
IA — Modèles & Recherche


In Genomics ML, Accuracy Is Not the Same as Equity: Part 2
En ML génomique, la précision n'est pas la même chose que l'équité : Partie 2

Google Just Dropped The Singularity Bomb
Google vient de lâcher la bombe de la singularité

Elon Musk vient de choquer OpenAI avec Grok 5


Theory of Modern AI: Learning Theoretic, Game Theoretic, and Algorithmic Perspectives
Théorie de l'IA moderne : perspectives théoriques de l'apprentissage, théoriques des jeux et algorithmiques

Stanford CS336 Language Modeling from Scratch | Spring 2026 | Lecture 15: Mid/Post-Training
Stanford CS336 Modélisation du langage à partir de zéro | Printemps 2026 | Conférence 15 : Formation intermédiaire/post-formation

Réponses IA : comment passer de ça... à ÇA !


Questions for Theory in the New Age of Machine Learning
Questions pour la théorie à l'ère du machine learning

Probably Approximately Precision and Recall Learning
Apprentissage probablement approximatif de la précision et du rappel



Enhanced and Efficient Reasoning in Large Language Models
Raisonnement amélioré et efficace dans les grands modèles de langage


Curso GRATIS IA - Día 2 - Crea webs y apps sin saber programar
Cours IA GRATUIT - Jour 2 - Créez des sites web et des applications sans savoir programmer

An Occam's Razor Principle for Transformers?
Un principe de parcimonie pour les Transformers ?

Production RAG with LangChain & Vector Databases – Full Course
Production RAG avec LangChain et bases de données vectorielles – Cours complet

Nicolas Boffi - Flow map language models
Nicolas Boffi - Modèles de langage de cartes de flux

Generative AI L31 (last lecture): limitations of instruction tuning, RLHF, PPO
IA générative L31 (dernière conférence) : limites de l'ajustement par instructions, RLHF, PPO

Curso GRATIS IA - Día 1 - ChatGPT ha cambiado: actualízate
Cours GRATUIT IA - Jour 1 - ChatGPT a changé : mettez-vous à jour

100 Hours Testing Claude Code vs ChatGPT Codex (honest results)
100 heures de test : Claude Code vs ChatGPT Codex (résultats honnêtes)

🎥✨ Martes de Divulgación Científica- 04 de marzo de 2025- Prompts Efectivo - IA
🎥✨ Mardi de Vulgarisation Scientifique - 04 mars 2025 - Prompts Efficaces - IA

MIT 6.S191: Secrets of Massively Parallel Training
MIT 6.S191 : Les secrets de l'entraînement massivement parallèle

Google Bans Coding With Its Biggest Attack On Devs Ever: AntiGravity 2.0
Google interdit le codage avec sa plus grande attaque contre les développeurs : AntiGravity 2.0

Ça y est… Anthropic MYTHOS 1 arrive enfin !

La Singularité arrive beaucoup plus vite que prévu !

It’s Happening... Anthropic MYTHOS 1 Is Here!
Ça y est... Anthropic MYTHOS 1 est arrivé !



Kast : créez vos persos et parlez-leur !

J'automatise ma prospection en 5 minutes avec Claude

Generative AI L29: Low Rank Adaptation (LoRA)
IA générative L29 : Adaptation de bas rang (LoRA)

Generative AI L28: prompt tuning, prefix tuning, adapter tuning
Generative AI L28: réglage des invites, réglage des préfixes, réglage des adaptateurs

Generative AI L27: Supervised fine tuning, full fine tuning, parameter-efficient fine tuning (PEFT)
IA générative L27 : Ajustement fin supervisé, ajustement fin complet, ajustement fin efficace en paramètres (PEFT)

Generative AI L26: LLM jail breaks, DAN jail breaks. Post training and fine-tuning LLMs
IA générative L26 : Jailbreaks de LLM, jailbreaks de DAN. Post-entraînement et ajustement fin des LLM



Stanford MS&E435 Economics of the AI Supercycle | Spring 2026 | Enterprise Internal Knowledge
Stanford MS&E435 Économie du supercycle de l'IA | Printemps 2026 | Connaissances internes de l'entreprise

Shancong Mou - Derivative-Informed Training of Neural Operators on the Fly - IPAM at UCLA
Shancong Mou - Entraînement basé sur les dérivées d'opérateurs neuronaux à la volée - IPAM à l'UCLA