Toutes les news taguées avec ce sujet.
Un cadre conceptuel avance que l'humain restera nécessaire dans certaines tâches, même avec une IA très capable, pour des raisons structurelles.
Un chercheur montre que la théorie du surprisal, pilier de la psycholinguistique computationnelle, ne fait aucune prédiction falsifiable sans contrainte supplémentaire sur le modèle de langage.
Un nouvel algorithme basé sur la diffusion offre des garanties théoriques de convergence pour restaurer des images à partir d'observations bruitées.
Une étude théorique décortique le rôle des skip connections et de la normalisation dans la préservation du rang des gradients au fil des couches.
Un nouveau forecaster randomisé améliore la barrière classique de calibration en ligne, en combinant SPR-Calibration et une couche de correction de type Blackwell.
Une analyse théorique rigoureuse unifie les paramétrisations des modèles de diffusion discrets et démontre leur équivalence au niveau des taux de saut.
Un nouveau cadre théorique propose de fonder la sécurité des IA sur un principe d'honnêteté stricte plutôt que sur l'alignement des préférences.
Une étude théorique révèle un diagramme de phases pour la généralisation selon la taille du modèle et le volume de données, via des réseaux à deux couches quadratiques.
Un papier théorique établit l'équivalence algorithmique entre gradient equilibrium et approchabilité de Blackwell, unifiant plusieurs cadres d'apprentissage en ligne.
Un cadre théorique pour certifier localement les capacités d'agents IA généraux, là où les garanties uniformes classiques échouent.
Des chercheurs établissent des bornes serrées pour l'erreur d'optimisation du dernier itéré de SsGM, résolvant un problème ouvert depuis 2020.
Une étude théorique formelle démontre l'existence de limites irréductibles aux LLMs pilotés par prompt, indépendamment de la taille des modèles ou des données.
AdamW reste l'optimiseur de référence pour les LLMs, mais sa convergence sous bruit à queue lourde — pourtant omniprésent en pré-entraînement — n'est pas prouvée.