CARD personnalise la génération de texte en regroupant les utilisateurs et en corrigeant le décodage
1 sourcemis à jour 28 sept.pertinence 2,8 sur5
L’essentiel
Ce framework hiérarchique apprend des adaptateurs LoRA par groupe, puis injecte la personnalisation au décodage avec le modèle de base gelé. Sur LaMP et LongLaMP, il obtient une meilleure qualité de génération que les références.
Propagation1 article, publié par HF Daily Papers le 28 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYutong Song, Jiang Wu, Weijia Zhang et al.huggingface.co
CARD: Cluster-level Adaptation with Reward-guided Decoding for Personalized Text Generation (site externe)
Adapting large language models to individual users remains challenging due to the tension between fine-grained personalization and scalable deployment.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
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