L’UK AISI et EvalEval renforcent la reproductibilité des évaluations d’IA
L’UK AI Safety Institute (AISI) et la plateforme EvalEval de Hugging Face s’associent pour améliorer la reproductibilité et la transparence des évaluations de modèles d’IA.
L’UK AI Safety Institute (AISI) et la plateforme EvalEval de Hugging Face s’associent pour améliorer la reproductibilité et la transparence des évaluations de modèles d’IA.
HuggingFace a entrepris de reproduire 2 200 articles de la conférence ICML pour améliorer la reproductibilité de la recherche en intelligence artificielle.
Un chercheur a constaté un écart de performance de près de 4 points de pourcentage en reproduisant une architecture hybride Gabor + CNN de TensorFlow vers PyTorch.
Environ 22% des articles acceptés à ICLR 2026 disposent de code ou de données publics, facilitant la reproductibilité.