Toutes les news taguées avec ce sujet.
Une étude arXiv explore une structure géométrique commune aux espaces d'embeddings, ouvrant la voie à leur traduction sans supervision directe.
Un nouveau benchmark collaboratif rassemble des exemples multimodaux conçus pour faire échouer les meilleurs systèmes de traduction actuels.
Hugging Face dévoile NeoMME, un encodeur efficace et nativement multimodal pour le multilingue.
Un cadre basé sur des LLM améliore la cohérence spatiale et le suivi des entités dans la traduction texte-langue des signes au-delà de la phrase isolée.
Un framework améliore l'extraction biomédicale en RAG via un chunking sémantique adaptable.
Un guide technique détaillé expliquant l'architecture et l'entraînement des modèles de langage basés sur la diffusion.
Hugging Face étend son classement open source à la reconnaissance vocale pour soutenir les langues sous-représentées.
RATIO évalue la capacité des systèmes à récupérer de la littérature scientifique pour l'inspiration via des opérations d'idéation typées.
Une méthode d'estimation sans biais pour les Transduced Language Models via échantillonnage sans remise.
L'incertitude référentielle impose une révision sélective des croyances pour stabiliser le grounding.
Une nouvelle méthode exploitant les LLM détecte la redondance sémantique dans les évaluations à grande échelle.
MHER teste des systèmes génératifs sur des identités de personnes historiques mongoles, montrant l'importance décisive du contexte source face aux simples noms.
L'analyse des erreurs de tokenisation révèle des lacunes récurrentes dans le traitement de la ponctuation par l'IA.
Expériences concluantes d'entraînement de Qwen 3 4B sur un domaine spécifique.
Une méthode d'embedding détecte la dérive sémantique dans 12,7 Md de commentaires Reddit, montrant une forte instabilité des sujets politiques.
L'étude explore l'usage de petits modèles de langage internes pour classifier les factures financières avec précision.
Un nouveau framework évalue les propriétés des tokenizers et leur impact réel sur les performances des modèles.
Les métriques classiques comme ROUGE échouent à capturer l'utilité réelle pour l'utilisateur. Une étude introduit l'évaluation par persona.
Les infrastructures de l'IA pénalisent structurellement le bengali et autres langues minoritaires dès la conception.
Des chercheurs équatoriens combinent clustering et classification pour repérer les signalements d'irrégularités dans les commentaires publics des appels d'offres.
IBM Research et Hugging Face présentent une méthode pour réduire la consommation de tokens sans perdre en qualité.
Un nouveau framework évalue les modèles sur six dimensions clés pour un usage public administratif.
Une base de données géante publiée par PleIAs pour entraîner des LLM éthiques.
Une nouvelle collection de corpus textuels massifs pour le pré-entraînement.
Une méthode de self-distillation on-policy qui se concentre sur les pivots de raisonnement pour améliorer le transfert de compétences multilingue des LLM.
Un modèle BERT élagué à 90% de parcimonie rivalise avec des modèles bien plus lourds pour le traitement du bengali, langue à ressources limitées.