• Behavioral Machine Learning generalization LLM neurips persona prompt stanford « Behavioral Machine Learning » ? Derrière cette question se cache tout un courant de recherche visant à étudier le comportement de modèles IA quand nous leur demandons d’imiter, de prêt ou de loin, un être humain. Hors, cette approche est semée…
• Causalité et IA ? Entre fantasmes de raisonnement et réalité scientifique Causalité Concept Extraction Graphe LLM Plonger dans la causalité en IA, c’est naviguer entre le rêve d’une machine raisonneuse capable d’identifier causes et effets et la réalité scientifique, qui souligne les limites de nos modèles statistiques. Ce dossier retrace l’essor du « causal representation learning…
• Domptez votre LLM architectures hallucinations limites LLM robustesse sécurité Les LLM s’imposent partout, avec des promesses incroyables de nouveaux outils performants et, tenez-vous bien, « intelligents ». La recherche avance plus lentement que ces promesses, et nous donne régulièrement une vision plus claire et plus précise des choses. Ici, nous exposons…
• Dansons le Mamba DinoV2 Efficacité LLM mamba Sequence Mamba annonce une nouvelle famille d’architecture efficace et polyvalente qui s’impose de plus en plus dans le paysage de l’intelligence artificielle. En bonus : une meilleure compréhension des embeddings d’images issus de DinoV2, et un nouveau moyen de contourner les Large…
• AlphaGeometry : quelles leçons tirer de dernier exploit de DeepMind ? Deepmind donnée synthétique Exploration de l’espace des solutions IA Symbolique LLM Deepmind a fait beaucoup de bruit avec cette IA pouvant résoudre des problèmes complexes en géométrie. Cette approche nous offre plusieurs enseignements théoriques et pratiques pour adresser d’autres problèmes avec le Deep Learning : comment lutter contre les hallucinations, l’intérêt…