Le filThèmes : ÉvaluationsRecherche
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
1 sourcemis à jour il y a 6 jpertinence 3,8 sur5
L’essentiel
Sur 9 LLM récents et 6 jeux de données, les performances changent selon la date, jusqu’à 6 % en QA à choix multiples et 14 % en raisonnement mathématique. Les classements des modèles bougent aussi.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMario Sanz-Guerrero, Minh Duc Bui, Manuel Mager et al.huggingface.co
Dating the Model: Hidden Dates in System Prompts Affect LLM Evaluation (site externe)
Reproducibility is essential for scientific research, yet prior work shows that LLM outputs vary with hardware and batching.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5