Le filThèmes : RechercheÉvaluations
Des chercheurs proposent CIA, une métrique d’accord entre la chaîne de pensée et le calcul interne d’un LLM
1 sourcemis à jour il y a 12 hpertinence 3,3 sur5
L’essentiel
Sur trois tâches et trois LLM, l’accord mesuré reste limité (44,8 à 75,9 %). Un post-entraînement qui récompense la précision et la fidélité paramétrique améliore cette fidélité et maintient ou accroît la précision.
Propagation1 article, publié par HF Daily Papers le 7 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYihuai Hong, Shauli Ravfogel, Chen Zhao et al.huggingface.co
Making LLMs Say What They Think: Measuring and Improving CoT-Interpretability Alignment (site externe)
Chain-of-thought (CoT) traces often serve as a proxy for how Large Language Models (LLMs) arrive at their answers.
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