Popular Tags

Most searched keywords

Recent posts

Don't miss the latest trends

La distillation de modèles de langage

Comment un petit modèle apprend à faire un travail aussi bien qu’un grand, ce que cela coûte, et quand c’est une mauvaise idée. Guide conceptuel et opérationnel. Dernière revue : août 2026. Ce que couvre cet article La distillation est la technique derrière la plupart des petits modèles qui dépassent leur catégorie, et derrière une…

SAMI
August 9, 2026

Model distillation in large language models

How a small model learns to do one job as well as a large one, what it costs, and when it is the wrong idea. Conceptual and procedural guide. Last reviewed August 2026. What this covers Distillation is the technique behind most small models that punch above their weight, and behind a large share of…

SAMI
August 9, 2026

Context compaction is not a compression problem

Three days ago I argued that the fix for long-context failure is to send the model less. That was right, and it was incomplete. It tells you to shrink the context. It does not tell you what to keep. The default answer to that second question has been recursive summarization. Every few turns, compress the…

SAMI
August 9, 2026

Lost in the Middle : Pourquoi les modèles de langage oublient et comment y remédier

Vous avez récupéré les bons documents. Vous les avez tous mis dans le prompt. Le modèle est quand même passé à côté de la réponse. Cet article explique le mécanisme derrière cet échec, et ce qu’il faut faire. En résumé : un transformeur ne traite pas toutes les positions de son entrée de la même…

SAMI
August 6, 2026

Lost in the Middle: Why Language Models Forget and How to Fix It

You retrieved the right documents. You put them all in the prompt. The model still missed the answer. This article explains the mechanism behind that failure “Lost in the Middle” and what to do about it. The short version: transformers do not treat all input positions equally. Recall follows a U-shaped curve. Information at the…

SAMI
August 6, 2026