Une entreprise entraîne un modèle de fondation et doit augmenter sa précision à un niveau d'acceptation spécifié. Quelle action permettra d'y parvenir ?

Augmenter le nombre d'époques d'entraînement permet au modèle de voir l'ensemble des données d'entraînement plus de fois, ce qui peut améliorer sa capacité à apprendre les motifs complexes et, par conséquent, augmenter sa précision. Cependant, un nombre excessif d'époques peut entraîner un surapprentissage (overfitting). Diminuer la taille du lot peut stabiliser l'entraînement mais n'est pas la méthode principale pour augmenter la précision si le modèle n'a pas suffisamment appris. Diminuer le nombre d'époques réduirait l'apprentissage et donc la précision. Augmenter le paramètre de température rend les prédictions du modèle plus aléatoires, ce qui est contre-productif pour la précision.