Toutes les news taguées avec ce sujet.
Des modèles ML identifient des dualités en physique théorique mieux que les algorithmes déterministes.
Un nouveau modèle propose de générer conjointement la morphologie d'un robot et sa politique de contrôle à partir de trajectoires de mouvement cibles.
Un framework génératif accélère d'un ordre de grandeur la synthèse de circuits quantiques pour la chimie computationnelle, testé sur du matériel Quantinuum réel.
Un transformer entraîné sur des données ATLAS retrouve masses et résonances du Modèle Standard sans connaissance physique préalable explicite.
Une étude théorique décortique le rôle des skip connections et de la normalisation dans la préservation du rang des gradients au fil des couches.
Des chercheurs modélisent l'apprentissage des circuits de raisonnement inductif via une variété invariante de faible dimension, rendant leur dynamique interprétable.
Une étude théorique explique pourquoi les modèles utilisent inégalement les fréquences RoPE et lie ce phénomène à la structure multi-échelle du langage naturel.
Hugging Face intègre un backend transformers natif dans vLLM, permettant d'atteindre des vitesses d'inférence optimales sans surcoût de conversion.
Des chercheurs montrent qu'une pénalité de norme simple peut accélérer le grokking jusqu'à 6x en contraignant les représentations cachées sur une hypersphère.