@inproceedings{chaffin-etal-2022-choisir,
    title = "Choisir le bon co-{\'e}quipier pour la g{\'e}n{\'e}ration coop{\'e}rative de texte (Choosing The Right Teammate For Cooperative Text Generation)",
    author = "Chaffin, Antoine  and
      Claveau, Vincent  and
      Kijak, Ewa  and
      Lamprier, Sylvain  and
      Piwowarski, Benjamin  and
      Scialom, Thomas  and
      Staiano, Jacopo",
    editor = "Est{\`e}ve, Yannick  and
      Jim{\'e}nez, Tania  and
      Parcollet, Titouan  and
      Zanon Boito, Marcely",
    booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "ATALA",
    url = "https://aclanthology.org/2022.jeptalnrecital-taln.2",
    pages = "12--26",
    abstract = "Les mod{\`e}les de langue g{\'e}n{\`e}rent des textes en pr{\'e}disant successivement des distributions de probabilit{\'e} pour les prochains tokens en fonction des tokens pr{\'e}c{\'e}dents. Pour g{\'e}n{\'e}rer des textes avec des propri{\'e}t{\'e}s souhait{\'e}es (par ex. {\^e}tre plus naturels, non toxiques ou avoir un style d{'}{\'e}criture sp{\'e}cifique), une solution {---} le d{\'e}codage coop{\'e}ratif {---} consiste {\`a} utiliser un classifieur lors de la g{\'e}n{\'e}ration pour guider l{'}{\'e}chantillonnage de la distribution du mod{\`e}le de langue vers des textes ayant la propri{\'e}t{\'e} attendue. Dans cet article, nous examinons trois familles de discriminateurs (bas{\'e}s sur des transformers) pour cette t{\^a}che de d{\'e}codage coop{\'e}ratif : les discriminateurs bidirectionnels, unidirectionnels (de gauche {\`a} droite) et g{\'e}n{\'e}ratifs. Nous {\'e}valuons leurs avantages et inconv{\'e}nients, en explorant leur pr{\'e}cision respective sur des t{\^a}ches de classification, ainsi que leur impact sur la g{\'e}n{\'e}ration coop{\'e}rative et leur co{\^u}t de calcul, dans le cadre d{'}une strat{\'e}gie de d{\'e}codage {\'e}tat de l{'}art, bas{\'e}e sur une recherche arborescente de Monte-Carlo (MCTS). Nous fournissons {\'e}galement l{'}impl{\'e}mentation (batch{\'e}e) utilis{\'e}e pour nos exp{\'e}riences.",
    language = "French",
}