B4 · Échantillonnage et vote
Famille : Workflows
On génère plusieurs réponses à la même question, puis on retient celle qui l’emporte au vote.
Principe
La même question est posée N fois au modèle. Un vote (majorité, similarité ou juge) départage les réponses. Les instances ne dialoguent pas : chacune répond seule, et c’est l’agrégation qui apporte la fiabilité.
Le problème qu'il résout
Un tirage unique peut se tromper de façon isolée, et sur certaines décisions une seule erreur coûte cher.
Quand l'utiliser
- Les réponses sont courtes et comparables : un chiffre, une classe, un verdict.
- Une erreur isolée coûte cher : modération, détection de vulnérabilité. C’est aussi la base de référence à battre avant de monter une équipe d’agents.
Quand l'éviter
- La sortie est un texte ouvert que l’on ne sait pas comparer par vote : préférer un générateur-évaluateur (B5).
- Le budget est serré : le coût croît avec N, et les gains s’essoufflent au-delà de 5 à 10 échantillons.
Synonymes par éditeur
- Parallelization (voting) (Anthropic)
- Self-consistency (Wang et al. (ICLR 2023))
- Agent Forest (« More agents is all you need ») (Li et al. (TMLR 2024))
- Voting-based cooperation (CSIRO Data61)
- Best-of-N (usage courant)
Patterns voisins
Sources
- Self-Consistency Improves Chain of Thought Reasoning in Language Models — X. Wang et al. (ICLR 2023), 2023
- More Agents Is All You Need — J. Li et al. (TMLR 2024), 2024
- Debate or Vote: Which Yields Better Decisions in Multi-Agent Large Language Models? — H. Choi, X. Zhu, S. Li (NeurIPS 2025), 2025
Contenu relu le 2026-10-02