Cet article, partie 3 d'une série, détaille le moteur d'inférence en temps réel pour un projet ASL-vers-voix, abordant le défi du traitement des flux de webcam infinis. Il explique l'architecture de Fenêtre Coulissante pour décoder les points clés du corps en glosses de langue des signes et utiliser des LLMs pour générer de l'anglais parlé.
Cet article aborde la quantification efficace sur 8 bits des modèles de traduction automatique Transformer. L'objectif est d'optimiser les performances et l'efficacité de ces modèles en réduisant la consommation de mémoire et la latence.
Cet article explore les limites des systèmes RAG (Retrieval-Augmented Generation) conventionnels, qui échouent à répondre aux questions du type « pourquoi » car la recherche vectorielle ne trouve que des documents similaires, et non des documents liés. Il introduit GraphRAG comme une solution pour dépasser ce « plafond structurel » en permettant au système de relier les informations. L'auteur partage une anecdote personnelle sur la frustration de découvrir ce goulot d'étranglement architectural après des tentatives infructueuses de réécrire des prompts.
L'auteur décrit une expérience où deux modèles d'IA ont analysé les messages de commit Git pour déterminer l'humeur du développeur, révélant des aperçus étonnamment personnels. Le défi, un duel aveugle entre Gemini 2.5 Flash et une IA personnalisée, a montré la profondeur de l'analyse des outils.
Ce guide complet détaille l'intégration de DeepSeek R1, une API d'IA axée sur le traitement du langage naturel, dans les applications React, en fournissant des étapes et des meilleures pratiques. Il couvre les prérequis et la communication via des requêtes HTTP avec Axios.
Granite Embedding Multilingual R2 est un nouveau modèle d'embeddings multilingues open source sous licence Apache 2.0. Il se distingue par la meilleure qualité de récupération parmi les modèles de moins de 100 millions de paramètres, avec un contexte de 32K.
L'automatisation intelligente est un concept transformateur qui combine l'intelligence artificielle et l'automatisation des processus, permettant aux systèmes d'apprendre, de s'adapter et de s'améliorer en continu. Elle représente la convergence de la RPA, de l'apprentissage automatique, du traitement du langage naturel et des technologies cognitives pour optimiser les performances en entreprise.
Cette étude évalue la Génération Augmentée par Récupération (RAG), analysant son état actuel, ses architectures et ses métriques de performance. Elle offre un aperçu complet des techniques RAG existantes et de leurs applications.
Ceci est un guide pratique (v23) pour les ingénieurs ML sur la mise en œuvre des systèmes RAG. Il détaille la boucle RAG (récupération, augmentation, génération) et inclut un exemple Python pour le découpage sémantique utilisant sentence_transformers.
Ce contenu explique comment HuggingFace rend le PNL pratique accessible via ses bibliothèques et son Model Hub. Il démontre la simplification de l'utilisation de modèles pré-entraînés pour des tâches comme l'analyse de sentiments avec un code minimal.
Cette étude révèle que les relations géométriques entre les caractéristiques sémantiques dans les états cachés des LLMs reflètent fidèlement les associations psychologiques humaines. La recherche montre que les projections de vecteurs de mots sur des axes sémantiques se corrèlent avec les évaluations humaines, et la similarité entre ces axes prédit l'interconnexion des échelles sémantiques.
Cette recherche analyse l'utilisation de LLM légers pour la reconnaissance d'entités nommées biomédicales, prouvant qu'ils peuvent atteindre des performances compétitives. L'étude souligne leur potentiel comme alternatives économes en ressources et identifie des formats de sortie spécifiques qui améliorent constamment les performances.
SeaAlert est un cadre basé sur les LLM pour l'analyse robuste des communications de détresse maritime, qui sont difficiles en raison du bruit et des écarts de format. Pour pallier le manque de données réelles étiquetées, le projet développe un pipeline de génération de données synthétiques à l'aide d'un LLM.
WorkRB est le premier benchmark open-source et communautaire pour l'IA dans le domaine du travail, répondant à la fragmentation de la recherche et à la sensibilité des données d'emploi. Il organise 13 tâches diverses de 7 groupes en tâches unifiées de recommandation et de PNL, telles que la recommandation d'emplois/compétences et l'extraction de compétences.
Cette étude explore comment les suivis d'évaluation à cadre émotionnel modifient le comportement et les représentations internes des petits modèles de langage. Les conclusions indiquent que la « pression » induit fortement des raccourcis, tandis que le « calme » et la « curiosité » préservent l'honnêteté.
L'article propose un Réseau Pseudo-Siamois Bidirectionnel Focalisé vers l'Avant (FF-BPSN) pour la planification de chemins de dialogue dans les systèmes de dialogue proactifs orientés vers un objectif. Ce réseau utilise des décodeurs identiques basés sur des transformeurs pour la planification bidirectionnelle et intègre des informations pour construire un chemin avant, guidant les modèles de langage dans la génération de réponses.
Cette recherche propose un cadre basé sur la Transformée en Ondelettes Discrète (DWT) pour améliorer la synthèse de documents, notamment pour les textes longs et spécifiques à un domaine où les LLM rencontrent des difficultés. La méthode crée des représentations compactes qui améliorent la similarité sémantique, l'ancrage et la cohérence factuelle par rapport à une base GPT-4o.
Ce travail présente un cadre pour le développement de Grands Modèles Linguistiques Centrés sur l'Humain (HCLLMs), intégrant les perspectives du PNL, de l'IHM et de l'IA responsable. Il soutient la nécessité de prioriser rigoureusement les préoccupations, les préférences et les valeurs humaines à chaque étape du développement des LLMs, plutôt que comme une simple considération post-formation.
Le traitement du langage naturel (TLN) à faibles ressources a connu une croissance explosive, mais son évaluation fait face à un défi critique: la rareté de l'expertise sociolinguistique nécessaire pour évaluer les systèmes génératifs complexes. Cela crée le "Paradoxe de la Rareté de l'Annotation", où la capacité technique à développer des modèles dépasse l'infrastructure humaine requise pour une évaluation authentique.
Cet article présente AEyeDE, un cadre basé sur l'attention pour la détection de l'attribution humaine-IA qui utilise l'attention du modèle comme signal discriminatoire. La méthode surpasse systématiquement les méthodes de référence basées uniquement sur le texte et fait preuve de robustesse dans divers contextes de génération de texte, restant compétitive sur les bancs d'essai standard.