Toutes les news taguées avec ce sujet.
Une analyse rétrospective de neuf systèmes en endoscopie GI révèle l'écart entre performance sur benchmark et fiabilité clinique réelle.
Une méthode neuro-symbolique combine base de connaissances Datalog et raffinement par gradient pour améliorer l'efficacité d'échantillonnage en RL.
Une étude qualitative chez Daimler Truck révèle les limites des pratiques actuelles d'ingénierie des exigences face aux besoins d'explicabilité des systèmes IA.
Un nouveau benchmark et dataset visent à forcer les Video LLMs à justifier leurs réponses par des segments spatio-temporels précis, pas juste du texte.
Un outil open-source pour auditer la traçabilité des décisions dans les pipelines IA, sans aucune dépendance externe.
Des chercheurs montrent que des LLM entraînés à s'expliquer développent une introspection fidèle à leur comportement actuel, même avec des données de supervision figées.