Le filThèmes : ÉvaluationsRecherche
Sys1Cal-v1, un jeu de données, teste la calibration des probabilités des modèles System One comme Jev
1 sourcemis à jour 30 sept.pertinence 2,4 sur5
L’essentiel
Des chercheurs estiment que Jev supprime une troisième valeur de vérité, « je ne sais pas ». Une fois cette valeur réintégrée, la précision souple médiane des réponses Choice passe de 0,771 à 0,978.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceRiccardo Porceddahuggingface.co
Jev thinks ”I don’t know'', but doesn’t say it: Introducing Sys1Cal-v1 Dataset for Probability Calibration (site externe)
The appearance of Jev marked the era of System One Models, foundation models that return structured decisions with probability distributions rather than text.
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