Toutes les news taguées avec ce sujet.
Une étude auditant 22 modèles frontières révèle un phénomène massif de mémorisation littérale sur les benchmarks de propriétés moléculaires.
Une étude montre que les embedders s'accrochent aux mots plutôt qu'à la structure, avec un Hit@1 à 0% en maths sur les cas les plus déguisés.
Un framework identifie les paires d'étiquettes que les LLM confondent et génère des règles ciblées pour les départager, sans fine-tuning.
Un nouveau framework RAG identifie les tokens décisifs pendant la génération pour déclencher une récupération de contexte plus précise et efficace.
RATIO évalue la capacité des systèmes à récupérer de la littérature scientifique pour l'inspiration via des opérations d'idéation typées.
Une étude montre que les LLM peuvent récupérer une information financière avec précision sans que celle-ci influence réellement leur jugement d'investissement.
Une méthode RL exploitant le retrieval multimodal pour réduire les hallucinations et améliorer les légendes d'images.
Une méthode d'ancrage améliore la précision du décodage visuel avec peu de répétitions de signaux cérébraux.
Une méthode sans étiquette cible permet de décoder l'imagerie visuelle à partir d'EEG pour de nouveaux utilisateurs, comblant l'écart avec les approches intra-sujet.
READ propose une approche agentique et sans embedding pour analyser les documents financiers longs et complexes.
Neon affirme que son modèle Castform surpasse GPT-5.6 Sol sur des tâches de retrieval, pour une fraction du coût d'inférence.