Le filThèmes : RechercheÉvaluations
TextReg limite le surapprentissage des prompts optimisés par réécriture dans l’espace textuel
1 sourcemis à jour il y a 1 jpertinence 3,2 sur5
L’essentiel
TextReg est un framework de régularisation pour l’optimisation de prompts. Sur plusieurs benchmarks de raisonnement, il améliore la généralisation hors distribution, jusqu’à +11,8 % face à TextGrad et +16,5 % face à REVOLVE.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLucheng Fu, Ye Yu, Yiyang Wang et al.huggingface.co
TextReg: Mitigating Prompt Distributional Overfitting via Regularized Text-Space Optimization (site externe)
Large language models (LLMs) are highly sensitive to the prompts used to specify task objectives and behavioral constraints.
Sur les mêmes thèmes
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
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
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