Le filThèmes : RechercheÉvaluations
PEARL personnalise la génération d’images à partir de l’historique de l’utilisateur
1 sourcemis à jour il y a 5 jpertinence 2,2 sur5
L’essentiel
Un nouveau benchmark évalue la génération d’images personnalisée à partir d’historiques d’utilisateurs. PEARL, qui associe un raisonneur multimodal à un générateur d’images figé, gagne en moyenne 15 % sur les métriques de personnalisation.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceBo Ni, Ngoc N. Tran, Qinwen Ge et al.huggingface.co
Personalized Image Generation with Reasoning and Reflection (site externe)
Personalized image generation has remained narrowly focused on conditional synthesis from curated visual exemplars, rather than capturing who a user is.
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