ALICE, un modèle de fondation, estime l’information mutuelle sans entraînement propre à chaque distribution
1 sourcemis à jour 30 sept.pertinence 2,3 sur5
L’essentiel
Entraîné sur des distributions synthétiques, ALICE est testé en biologie, en génétique et en neurosciences. Les chercheurs estiment qu’un modèle unique comble l’écart avec des estimateurs neuronaux entraînés séparément.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceGiulio Franzese, Simone Rossi, Pietro Michiardihuggingface.co
ALICE: In-context, Zero-shot, Mutual Information Estimation (site externe)
Estimating mutual information (MI) from samples is a central objective in a variety of scientific fields.
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