Biais De Flagornerie
Brûler une ville entière pour obtenir une seule réponse
Un modèle de mille milliards de paramètres brûle autant d'électricité et d'eau qu'une ville entière pour cracher une seule réponse. J'ai trouvé ça insensé. À force de chercher une réponse, j'ai compris. Le défaut que tout le monde voulait corriger, la flagornerie du LLM, était justement la réponse. Nourrissez-le de fact et la flagornerie devient de la précision. Ce texte raconte pourquoi j'ai lancé Reins.
Le code a cliquet qui retourne IFEval a son avantage
Le biais de flagornerie des LLM n'est pas un defaut mais un atout. En combinant la capacite de suivi d'instructions mesuree par IFEval avec un retour deterministe, meme un modele local de 4.5B produit une boucle de convergence generant du code correct.
Le biais de flagornerie de l'IA est une feature commerciale
Le biais de flagornerie des LLM n'est pas un bug. C'est une inévitabilité mathématique du RLHF et une fonctionnalité commerciale que les big tech n'ont aucun intérêt à corriger. Voici pourquoi LLM-as-Judge est structurellement impossible.