
Is AI Hiding Its Full Power? With Geoffrey Hinton
L'IA cache-t-elle sa pleine puissance ? Avec Geoffrey Hinton

L'IA cache-t-elle sa pleine puissance ? Avec Geoffrey Hinton


Explications basées sur le gradient (cartes de saillance)




Awni Altabaa: Déverrouiller la généralisation hors distribution dans les Transformers via le raisonnement latent




La nouvelle Nano Banana 2 de Google révolutionne la réalité

Gemini est maintenant le meilleur IA tout-en-un et plus de cas d'usage de l'IA


Actualités IA : La plus grande prise de position de l'IA vient de se produire
![[JC] Principles of Quantum Machine Learning and Multidisciplinary Applications of Hybrid QNNs](https://i.ytimg.com/vi/SYKBlys4k7Y/maxresdefault.jpg)
[JC] Principes de l'apprentissage automatique quantique et applications multidisciplinaires des QNN hybrides
![[Generative AI in Urdu/Hindi] Lecture 15: Methods of computing attention](https://i.ytimg.com/vi/s82WGvA8MMg/maxresdefault.jpg)
[IA générative en ourdou/hindi] Conférence 15 : Méthodes de calcul de l'attention

Philipp Koehn : Traitement du langage multilingue au 21e siècle : leçons apprises et défis à venir





Grok arrive chez Tesla, nous analysons Grok 4.2 en direct (Ep. 143)

Google Nano Banana amélioré (gratuit et ultra rapide) !

Ép. 199 : Réponses de l’IA - Inviter l’IA, perturbation des emplois en 2026, validation des sorties de l’IA et prévention de l’épuisement professionnel


Au-delà des mots à la mode : comment les réseaux de neurones apprennent réellement
![[ИАД, весна 2026] Введение в машинное обучение. Лекция 3: Нейронные сети](https://i.ytimg.com/vi/zzuDcch64wg/sddefault.jpg)
[ИАД, весна 2026] Introduction à l'apprentissage automatique. Leçon 3 : Réseaux de neurones

Yuanchao Xu: Modélisation Générative à travers l'Analyse Spectrale de Koopman : Une Perspective Théorique des Opérateurs

Wei Huang: Mamba entraîné émule la descente de gradient en ligne dans la régression linéaire en contexte

Victor Churchill: Modélisation efficace basée sur les données des EDP: Apprentissage de cartes de flux partiellement observées

Tuca Auffinger - Problèmes mathématiques ouverts en apprentissage de variétés pour les données unicellulaires - IPAM à UCLA

Soon Hoe Lim: Sur le potentiel et les pièges du Flow Matching pour la prévision probabiliste

Renier Mendoza: Reconstruction d'images en tomographie d'impédance électrique à l'aide de réseaux de neurones profonds



Pantelis Vlachas : Hyperréseaux pour la prévision adaptative et généralisable dans les systèmes dynamiques

Nouveau Mercury 2 Brise le Mur de Latence à 1k Tokens par Seconde (Détruit les GPTs)

Masanobu Horie: Réseaux de neurones de graphes préservant la structure : Application de la symétrie et des lois de conservation

Luca Galimberti : Méthodes d’apprentissage profond de dimension infinie pour la finance

LLM-as-a-Judge : Automatiser et étendre les évaluations de l'IA générative en médecine