Aller au contenu
#Données/entraînement
Aujourd'hui10mois3joursamedi4 entrées
  1. PJRC Forum (Teensy)15

    Reverb pour Teensy généré par Claude et publié sous licence MIT

    Un développeur a publié sur le forum PJRC une réverbération pour Teensy générée par Claude et diffusée sous licence MIT en tant que bibliothèque Arduino. Un développeur C++ de 30 ans d'expérience conteste cette licence, arguant que le code produit par IA sans intervention humaine créative n'est pas protégeable et que la licence MIT est donc sans valeur juridique, citant Thaler v. Perlmutter. Un autre intervenant, développeur et avocat au barreau de Californie, lui répond que la décision exige seulement qu'un humain soit désigné comme auteur et que le jugement humain dans la conception rend le code protégeable.

  3. The Decoder76

    BootLoops, un harnais open source pour des calculs scientifiques exacts avec l'IA

    Dans un article invité publié par Anthropic, le physicien de Harvard Matthew Schwartz présente BootLoops.

    Motif de la recommandation :Un physicien de Harvard décrit un harnais open source qui a produit 36 manuscrits en trois mois, avec ses limites et ses implications pour la formation scientifique.

10mois2jourvendredi
  3. Google Research67

    Google présente un système d'apprentissage fédéré basé sur les TEE pour une confidentialité vérifiable

    Google annonce la prochaine génération de son système d'apprentissage fédéré (FL).

    Motif de la recommandation :L'article détaille l'architecture TEE du nouveau système FL de Google et son déploiement sur Gboard, permettant de comprendre comment la vérifiabilité et l'auditabilité sont mises en œuvre.

  4. Hugging Face Blog62

    ServiceNow présente AutoSynthData, un pipeline de génération de données d'entraînement pour agents d'entreprise

    ServiceNow CoreAI présente AutoSynthData, un pipeline qui transforme les échecs d'un modèle cible et les succès d'un enseignant plus fort en nouvelles tâches d'entraînement validées dans l'environnement. Le système génère des tâches composées d'une spécification système, d'un prompt utilisateur et d'un vérificateur, avec des contrôles de faisabilité, de réalisme et de difficulté, puis une vérification positive et négative et une phase de réparation. Sur EnterpriseOps Gym Hybrid, avec Gemma-4-26B-A4B-it comme cible et Qwen3.8-27B comme enseignant, 2 000 échantillons générés en environ 18 heures améliorent le Pass@1 moyen de 7,2 points, soit une hausse relative de 35 %, et le taux de succès du vérificateur passe de 63,01 % à 68,55 %. Sur ITSM, avec DeepSeek-V4.1-Flash comme enseignant, 1 994 échantillons générés en 66 heures font passer le Pass@1 moyen de 18,77 % à 27,18 %.

    Motif de la recommandation :L'article détaille un pipeline de génération de données d'entraînement pour agents d'entreprise, avec les critères de qualité et les résultats chiffrés sur deux domaines.

10mois1jourjeudi
  1. Microsoft Research38

    Microsoft Research : prévision des risques météorologiques spatiales sur les réseaux électriques

    Un système d'apprentissage automatique développé lors d'un stage chez Microsoft Research prévoit les risques météorologiques spatiaux pour 66 935 sous-stations du réseau électrique continental américain, avec une alerte de 30 à 60 minutes avant l'impact. Le pipeline combine les prévisions des indices AE et Dst, la conductivité géologique locale et les données d'infrastructure, atteignant un RMSE de 410,2 nT pour l'AE et surpassant l'équation de Burton sur 62,2 % des heures lors des périodes les plus actives de 2020-2026. Il détecte 76,5 % des événements majeurs (≥10 nT/min), 81,2 % des événements sévères (≥20 nT/min) et 64,1 % des événements extrêmes (≥50 nT/min), avec des taux de fausses alertes croissant avec la sévérité.

9mois30jourmercredi
  1. Google DeepMind73

    Google DeepMind présente SynthID Bio, une technologie de filigrane pour les protéines générées par IA

    Google DeepMind présente SynthID Bio, une famille de méthodes de filigrane destinée à la biologie de synthèse.

    Motif de la recommandation :Le filigrane s'étend des médias numériques aux séquences protéiques, avec des données de laboratoire humide et une ouverture du code, ce qui permet de comprendre la vérification de la provenance des protéines générées par IA.

9mois29jourmardi
  1. Hugging Face Blog70

    NVIDIA publie Kumo Tabular, un modèle de fondation open source pour les données tabulaires

    NVIDIA publie Kumo Tabular, un modèle de fondation open source pour la classification et la régression sur données tabulaires.

    Motif de la recommandation :NVIDIA ouvre un modèle de fondation tabulaire pré-entraîné uniquement sur des données synthétiques, avec poids et bibliothèque d'inférence, ce qui permet de mesurer le passage des arbres boostés à l'apprentissage en contexte.

9mois25jourvendredi
9mois24jourjeudi
  1. NVIDIA Blog62

    NVIDIA et Google DeepMind publient des structures protéiques de plus de 2800 virus

    NVIDIA rejoint une coalition incluant Google DeepMind et EMBL-EBI pour publier en accès libre les structures 3D prédites des complexes protéiques de plus de 2800 virus via la base AlphaFold. Les structures ont été inférées avec AlphaFold2 optimisé par NVIDIA BioNeMo Inference Runtime, et NVIDIA publie aussi le BioNeMo Structure Prediction Pipeline utilisé pour générer le jeu de données. Environ 30 % des interactions protéiques ajoutées sont totalement nouvelles pour la science, selon l'annonce.

    Motif de la recommandation :NVIDIA et Google DeepMind ouvrent des structures protéiques virales prédites, un cas concret de données scientifiques partagées pour la préparation pandémique.

9mois21jourlundi
  1. Microsoft Research60

    Microsoft Research publie RetroChimera dans Nature pour améliorer la prédiction de synthèse des petites molécules

    Microsoft Research annonce la publication dans Nature de RetroChimera, un modèle de rétrosynthèse qui combine R-SMILES 2.

    Motif de la recommandation :L'article détaille l'architecture d'ensemble et le ré-ordonnancement appris de RetroChimera, ainsi que ses résultats en tests à l'aveugle, ce qui permet de juger de l'apport de la combinaison de deux modèles complémentaires.

9mois18jourvendredi
9mois16jourmercredi
9mois11jourvendredi
9mois8jourmardi
  1. Google DeepMind88

    Google DeepMind lance AlphaGenome Atlas, une carte prédictive des 9 milliards de variants du génome humain

    Google DeepMind présente AlphaGenome Atlas, une plateforme contenant les prédictions des effets de 9 milliards de variants mononucléotidiques.

    Motif de la recommandation :Le texte détaille une ressource de 1 pétaoctet couvrant 9 milliards de variants et un score AVI unifié, ce qui permet de situer la portée pratique pour la recherche génomique.

9mois4jourvendredi
9mois3jourjeudi
8mois12jourmercredi
8mois1joursamedi
7mois27jourlundi
7mois26jourdimanche
7mois14jourmardi
7mois7jourmardi
5mois25jourlundi
5mois12jourmardi
3mois17jourmardi
3mois13jourvendredi
  1. Berkeley AI Research36

    SPEX et ProxySPEX : identifier les interactions à grande échelle pour les LLM

    Berkeley AI Research présente SPEX et ProxySPEX, des algorithmes d'attribution capables d'identifier les interactions influentes dans les LLM à une échelle bien supérieure aux méthodes antérieures. SPEX exploite la parcimonie et le faible degré des interactions pour reformuler la recherche exhaustive en un problème de recouvrement parcimonieux résolu via des outils de traitement du signal et de théorie du codage. ProxySPEX tire parti de la propriété de hiérarchie des modèles et atteint les performances de SPEX avec environ 10x moins d'ablations. Sur une tâche d'analyse de sentiment, SPEX conserve une fidélité élevée lorsque le contexte atteint des milliers de features, là où LIME et Banzhaf affichent une fidélité nettement inférieure.

3mois10jourmardi
3mois4jourmercredi
2mois13jourvendredi
1mois10joursamedi