Hallucination mitigation et eval LLM

RAG, multi-agent verification, confidence scoring, output validation.

Durée

1 h 30

Public

Voir détail

Profils intégrant

Sur demande

Demander un cadrage Programme nominal complet

Contenu détaillé du module

Self-consistency : N appels + vote majoritaire
Anthropic eval API + custom evals
Output validation : pydantic, instructor, JSON Schema
Observabilité hallucinations Langfuse

Modalité d'intégration

Approche pédagogique

Ce module est dispensé sous forme d'atelier guidé sur votre contexte (votre repo, votre stack, votre cas métier). Apport théorique court, démonstration en live par le formateur, puis mise en application immédiate avec accompagnement individualisé.

Évaluation en sortie : auto-évaluation + restitution orale courte (5 min) avec retour critique du formateur.

Cost optimization deep dive (token economics)

Cross-model evaluation : Claude vs concurrents

Intéressé·e par ce module pour votre formation ?

Évoquons-le au cadrage individuel : nous validons s'il correspond à vos objectifs et l'intégrons à votre recette.

Demander un cadrage gratuit Tous les modules