Un même prompt, onze modèles d’IA : des résultats très variés
Une étude récente a démontré que onze modèles d’IA générative, sollicités par une même requête, produisent des résultats significativement différents.
Une étude récente a démontré que onze modèles d’IA générative, sollicités par une même requête, produisent des résultats significativement différents.
Une analyse récente révèle que les filigranes numériques pour textes générés par IA sont intrinsèquement faciles à supprimer par de simples modifications humaines.
Un projet personnel détaille la mise en place d’un environnement d’intelligence artificielle local, utilisant du matériel informatique grand public pour exécuter des modèles de langage.
Le filigrane numérique pour les textes IA introduit des motifs statistiques subtils lors de la génération pour identifier leur origine, une méthode imperceptible mais détectable.
Sophie Alpert a formulé une politique interne sur l’usage de l’écriture assistée par IA, soulignant l’absence de transformation sans perte du texte en langage naturel.
Une nouvelle initiative, l’Agentic World Cup, met en scène des agents LLM s’affrontant au football pour combler le fossé d’incarnation des IA.
Une méthode innovante permet d’accélérer l’inférence des LLM de 11 à 16 fois sur les puces Apple Silicon, en utilisant des machines virtuelles macOS avec `llama.cpp`.
Neuf ans après l’introduction du Transformer, des startups et chercheurs explorent déjà la prochaine génération de grands modèles linguistiques (LLM).
Une analyse récente montre que GPT-4 via ChatGPT Plus connaît les événements jusqu’à juin 2024, alors que les modèles Claude 3 s’arrêtent à août 2023.
Le MIT Technology Review explore comment des startups cherchent à innover dans les grands modèles de langage, s’appuyant sur l’héritage du papier « Attention Is All You Need » de 2017.