Panorama des méthodes d'évaluation des modèles de langage : benchmarks à choix multiples, vérificateurs automatisés, leaderboards et juges basés sur LLM
Publié 3sem·1 média·Notable
≈ 22s
📋 Le fait
Comparaison des forces et limites de chaque approche avec exemples de code pratiques
Guide pour choisir la méthodologie d'évaluation adaptée selon le cas d'usage et les contraintes
Meta accélère le remplacement des modérateurs humains par l'IA, alerte des employés
🟢 5h· 1 source
ActifImportant
Meta prévoit de remplacer 50 % des demandes de modération humaine par des LLM d’ici 2025, avec un objectif de 90 % pour certains contenus d’ici fin 2024.
Lire la suiteReplier▾
Meta prévoit de remplacer 50 % des demandes de modération humaine par des LLM d’ici 2025, avec un objectif de 90 % pour certains contenus d’ici fin 2024.
Des employés internes expriment des inquiétudes sur le rythme trop rapide du déploiement, craignant des erreurs ou des biais algorithmiques.
#LLM#modération de contenu#biais algorithmique Meta
Gemini 3.5 Flash intègre un contrôle direct des écrans et appareils
🟢 6h· 1 source
ActifImportant
Google intègre une fonctionnalité « Computer Use » dans Gemini 3.5 Flash, permettant au modèle d'interagir autonomement avec des ordinateurs, navigateurs et appareils mobiles.
Lire la suiteReplier▾
Google intègre une fonctionnalité « Computer Use » dans Gemini 3.5 Flash, permettant au modèle d'interagir autonomement avec des ordinateurs, navigateurs et appareils mobiles.
Le modèle atteint un score de 78,4 sur le benchmarkOSWorld, rivalisant avec GPT-5.5 selon Google.
GLM-5.2 de Zhipu AI rivalise avec Claude Opus 4.5 à coût réduit, selon Snowflake
🟡 22h· 1 source
En évolutionImportant
Le modèle GLM-5.2 de Zhipu AI atteint des performances proches de Claude Opus 4.7 (Anthropic) sur 103 tâches de codage, selon un benchmark de Snowflake, pour un coût par token cinq fois inférieur.
Lire la suiteReplier▾
Le modèle GLM-5.2 de Zhipu AI atteint des performances proches de Claude Opus 4.7 (Anthropic) sur 103 tâches de codage, selon un benchmark de Snowflake, pour un coût par token cinq fois inférieur.
Malgré une consommation de tokens deux fois supérieure par tâche, son avantage tarifaire pourrait perturber les acteurs occidentaux comme Anthropic et OpenAI.
Tests des détecteurs d'IA : des outils fiables et d'autres inefficaces sur les textes humains
🟢 3h· 1 source
ActifNotable
L'Authors Guild a évalué cinq détecteurs d'IA sur des textes écrits par des humains : Pangram et Grammarly ont identifié correctement 100 % des cas, tandis que Sidekicker et ZeroGPT ont systématiquement classé ces textes comme générés par IA.
Lire la suiteReplier▾
L'Authors Guild a évalué cinq détecteurs d'IA sur des textes écrits par des humains : Pangram et Grammarly ont identifié correctement 100 % des cas, tandis que Sidekicker et ZeroGPT ont systématiquement classé ces textes comme générés par IA.
Les textes professionnels, similaires aux données d'entraînement des modèles d'IA, posent un défi : ils peuvent être statistiquement confondus avec des productions artificielles.
#détecteurs d'IA#LLM#détection de contenu🏢 Authors Guild🏢 Pangram