On peut demander à un agent de faire le travail et à un second de le contrôler. Mais s’ils utilisent le même modèle et les mêmes informations, qu’est-ce qui empêche le vérificateur de manquer exactement la même erreur ? Est-ce que quelqu’un a comparé cette méthode à un seul agent avec des tests indépendants ?
J’ai vu cette annonce concernant Codex et ChatGPT Work : pendant 28 jours, OpenAI dit vouloir proposer chaque jour soit une amélioration claire et utile à la plupart des utilisateurs, soit un reset complet de leurs limites d’utilisation.
L’idée me plaît, mais il y a un point qui me gêne : qui décide qu’une nouveauté est une « amélioration claire » ? Si OpenAI est seul juge, changer la couleur d’un bouton pourrait, en caricaturant, devenir « mise à jour faite, pas de reset ». C’est pratique de faire une promesse quand on fixe soi-même les critères pour dire qu’elle a été tenue.
Je ne dis pas que c’est ce qu’ils vont faire. Mais j’aimerais voir une liste publique des changements quotidiens, pour que les utilisateurs puissent en juger.
Vous trouvez cette promesse intéressante, ou trop vague pour avoir une vraie valeur ? Et quelle nouveauté vous semblerait suffisamment utile pour compter comme une amélioration ?