Récemment, l'équipe de recherche de Meta AI, en collaboration avec des chercheurs de l'Université de Californie à Berkeley et de l'Université de New York, a présenté une méthode appelée Optimisation des préférences de pensée (Thought Preference Optimization, TPO) visant à améliorer la qualité des réponses des grands modèles de langage (LLM) affinés par instructions. Contrairement aux modèles traditionnels qui se concentrent uniquement sur la réponse finale, la méthode TPO permet au modèle de réfléchir en interne avant de générer une réponse, produisant ainsi des réponses plus précises et cohérentes. Cette nouvelle technologie