Le filThèmes : ÉvaluationsRecherche
Un papier propose SAGO pour mesurer la stabilité de la généralisation des modèles de langage
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
Le cadre SAGO mesure la variation du comportement d’un modèle face à une même entrée reformulée. Selon le papier, aucun modèle ne généralise uniformément et les variations entre jeux de données peuvent inverser les classements.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceNagham Omar, Mahmoud Jabarin, Maya Rozenshtein et al.huggingface.co
Generalization Is Stability, Not Accuracy: Multi-Axis Evaluation of LLMs (site externe)
Generalization in large language models (LLMs) is the ability to produce consistent and semantically stable outputs when the same input is expressed in different ways.
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
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
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