Aliments pour animaux

353 matériaux

Nouvelles4 novembre 2026

Les LLM médicales sont informés des révisions des recommandations, mais répondent souvent selon les anciennes règles

L’étude de ChronoEvo portant sur 1 709 changements dans les recommandations cliniques montre que, dans le modèle principal, 90,8 % des réponses repéraient la nouveauté, mais que seules 58,5 % l’appliquaient intégralement, avec un écart de 32,3 points de pourcentage observé dans 14 modèles. Même en renforçant la visibilité des mises à jour, le transfert intégral des nouvelles règles dans les recommandations cliniques n’a pas connu de hausse significative.

Lire

Nouvelles4 novembre 2026

Modèle du monde pour les agents basés sur des LLM fermés : correction aux points de risque

PAWM est proposé comme un prédicteur externe qui ne reproduit pas l’observation étape par étape, mais s’active en cas d’échec probable et détourne l’agent d’une action erronée. Après un SFT sur des scénarios synthétiques et un co-entraînement GRPO, la méthode a enregistré des gains de 24,3 % sur ScienceWorld et de 7,7 % sur WebArena-Lite pour Claude Sonnet 4.5.

Lire

Comparaisons4 novembre 2026

Une couche de classification au-dessus de SpeechLLM : là où elle surpasse la génération d’étiquettes pour la reconnaissance des émotions

À partir des corpus IEMOCAP et MELD, l’étude compare la génération d’étiquettes émotionnelles à un classificateur linéaire appliqué aux représentations latentes d’une SpeechLLM compacte. Le gain de performance apporté par le classificateur n’est pas universel : il dépend du corpus et de l’utilisation de transcriptions de référence ou de résultats ASR.

Lire

Nouvelles4 novembre 2026

Des évaluations individuelles aux ensembles admissibles : décodage global sous contraintes DDI

L’article compare une sélection globale exacte d’un ensemble compatible de médicaments, réalisée au moyen de la programmation linéaire en nombres entiers mixtes, à plusieurs méthodes locales de résolution des conflits DDI avec les scores FLAME fixés sur MIMIC-III. Sur l’échantillon de test, la méthode globale offre un gain faible mais constant en Jaccard, qui augmente lorsque les contraintes se durcissent et atteint +0.0064 par rapport à la meilleure méthode locale de référence.

Lire

Nouvelles3 novembre 2026

Le passage au simplexe probabiliste réduit l’écart modal dans les modèles multimodaux contrastifs

L’article arXiv:2610.32890 propose de remplacer les embeddings sphériques par un simplexe probabiliste, en ajoutant de légers adaptateurs softmax et une similarité fondée sur la variation totale. Sur cinq benchmarks de recherche, la distance ℓ2 entre les centroïdes des modalités diminue de 97 à 99 %, tandis que la qualité de la recherche est maintenue ou améliorée.

Lire

Nouvelles3 novembre 2026

Comment ActionRAG réévalue les preuves lors de la propagation dans le graphe de mémoire des agents LLM

Une architecture de mémoire en graphe a été proposée : lors de l’indexation, elle harmonise soigneusement les entités, puis réévalue les relations au moment de la requête en s’appuyant sur la structure locale. Sur MemoryAgentBench, la méthode a atteint une précision moyenne de 55,1 et dépassé de 5,4 points de pourcentage le meilleur modèle de référence en récupération, tout en maintenant un faible coût de synthèse par requête.

Lire

Nouvelles1 novembre 2026

Développement maîtrisé des agents LLM dans l’investissement autonome : architecture multi-agents avec un périmètre de protection immuable

L’article décrit Steward, un système composé de neuf agents LLM spécialisés par rôle, dans lequel les décisions relatives au portefeuille sont examinées par un gestionnaire des risques et où les modifications des prompts ne sont autorisées qu’au moyen d’un contrôle réversible et de la reproduction des données enregistrées. La conclusion essentielle est qu’un noyau immuable et des procédures d’audit permettent de faire évoluer les agents sans leur confier le contrôle des règles de risque ni de l’exécution des ordres.

Lire

Nouvelles31 octobre 2026

TeachBack : l’optimisation bidirectionnelle des préférences apprend au modèle tuteur à explorer la tâche plutôt qu’à réciter la réponse de référence

La méthode TeachBack a été proposée : au cours de l’autodistillation sur sa propre politique, elle permet à l’enseignant d’élaborer une stratégie de résolution répétée du problème, plutôt que de s’appuyer sur une solution de référence privilégiée. Sur des tâches de raisonnement mathématique et logique, elle montre une amélioration constante des performances de l’élève par rapport aux méthodes OPSD connues.

Lire

Nouvelles30 octobre 2026

Méthode GoldiMask pour l’ajustement fin des modèles de langage à diffusion : sélection du contexte et pondération des objectifs

Cet article présente GoldiMask, une approche de fine-tuning supervisé pour les modèles de langage à diffusion discrète, qui sélectionne les tokens visibles par maximisation approximative d’une fonction sous-modulaire et attribue des poids aux objectifs restants en fonction de leur utilité pour l’entraînement. Des expériences menées sur plusieurs modèles et jeux de données montrent une hausse de la précision moyenne, des gains sur les tâches de raisonnement logique et de programmation, ainsi qu’une réduction du nombre d’itérations de décodage parallèle sur GSM8K et MATH-500 à qualité comparable.

Lire