Extraction de modèle
Definition
L’extraction de modèle consiste à interroger l’API d’un modèle …
L’extraction de modèle consiste à interroger l’API d’un modèle …
Une attaque par porte dérobée implique d’empoisonner les données …
La stratégie de Zeuthen est une approche basée sur des règles pour les marchandages dans …
Le calcul wetware désigne les systèmes où les neurones biologiques, souvent cultivés in …
WebSocket est un protocole de communication informatique qui permet une communication …
Le wetware faisait à l’origine référence au tissu cérébral biologique, mais il a …
Établi grâce à un don significatif de la Fondation Wadhwani, cet institut exploite les …
La super-résolution vidéo consiste à utiliser des réseaux neuronaux pour mettre à …
vLLM (Virtual Large Language Model) est une bibliothèque open source conçue pour …
La psychométrie universelle implique le développement et l’application …
L’Arbre des pensées (ToT) étend l’amorçage traditionnel par chaîne de pensée …
Ce concept désigne la séquence historique et projetée d’événements où les …
L’apprentissage à trois facteurs est une approche spécifique de …
La génération vidéo à partir de texte désigne des modèles d’IA générative qui …
Terme popularisé par Pedro Domingos dans son livre du même nom, l’« Algorithme …
L’inférence de génération de texte (TGI) est un cadre logiciel dédié conçu pour …
Le biais temporel se produit lorsque les modèles d’apprentissage automatique …
La régression symbolique est un type d’analyse de régression qui cherche à trouver …
Le Supermind IA désigne les systèmes où plusieurs composants d’IA, des experts …
L’apprentissage relationnel statistique (ARS) combine la théorie des probabilités …
La théorie de l’apprentissage statistique (TLS) est une branche des statistiques et …
La régression spike-and-slab est une technique statistique bayésienne utilisée pour la …
La diarisation de locuteurs est la tâche qui consiste à partitionner un flux audio en …
L’intelligence spatiale désigne la capacité des modèles d’intelligence …
L’embedding spatial consiste à convertir les relations spatiales physiques ou …
L’IA souveraine décrit la capacité d’un pays ou d’une organisation à …
Les études sur la singularité sont une discipline académique émergente qui examine les …
Le slowagande décrit une forme stratégique de désinformation qui repose sur la …
L’apprentissage de similarité se concentre sur l’entraînement de modèles pour …
Le pliage sémantique désigne le processus de compression d’embeddings vectoriels …
Principalement utilisée avec les grands modèles de langage (LLM), cette technique …
Sam3 Vidéo fait référence à l’application de modèles de segmentation avancés, …
SUPS est un acronyme qui peut varier selon le contexte mais apparaît fréquemment dans la …
L’apprentissage robotique consiste à entraîner des agents robotiques à exécuter des …
L’astuce de reparamétrisation est une méthode fondamentale utilisée dans les …
L’amélioration de soi récursive désigne la capacité théorique d’un système …
Cette approche va au-delà du simple étiquetage humain dans la boucle. Elle implique un …
La complexité de Rademacher évalue dans quelle mesure une classe d’hypothèses peut …
Ce terme désigne une architecture spécialisée au sein de la famille Qwen, exploitant …
Qwen3 5 semble désigner un point de contrôle spécifique, une variante de taille ou une …
La quantification est une technique d’optimisation de modèle qui réduit la …
Le Mixin Hub de Modèles PyTorch est un composant fourni par la bibliothèque Hugging Face …
Dans le contexte de Pyannote Audio, un pipeline fait référence à un flux de travail …
Les méthodes de gradient proximal sont des techniques d’optimisation itératives …
Ce domaine examine les processus mentaux sous-jacents au raisonnement déductif, inductif …
Le Produit d’Experts (PoE) est une méthode permettant de construire des …
Dans l’apprentissage proactif, le système d’IA détermine quels échantillons …
Le numérique probabiliste applique des méthodes bayésiennes aux problèmes numériques …
Le réglage par préfixe est une technique d’adaptation économe en paramètres pour …
Les Représentations d’État Prédictifs (PSR) étendent les processus décisionnels …
La poly-sémantique est une caractéristique observée dans les réseaux neuronaux profonds, …
Le Personaplex désigne l’écosystème ou l’infrastructure soutenant la …
Un modèle d’erreur de perception décrit les écarts entre les données sensorielles …
La théorie des motifs fournit un fondement mathématique rigoureux pour comprendre comment …
L’apprentissage de parité est un problème de référence dans la théorie de …
Le P-Tuning (Prompt Tuning) est une technique conçue pour adapter de grands modèles de …
PagedAttention est une technique introduite par le projet vLLM pour améliorer …
La détection de parole chevauchante (OSD) est une tâche spécialisée dans le traitement de …
La Nouvelle IA désigne une classe de systèmes d’intelligence artificielle qui …
Ce domaine fait le pont entre les neurosciences et la robotique en implémentant des …
Les champs de modélisation neuronale impliquent l’étude de …
L’IA neuro-symbolique intègre les méthodes d’apprentissage neuronal …
Muse Spark est un framework d’apprentissage profond open source conçu pour …
MXFP4 (Mixed eXtended Floating Point 4-bit) est un format de type de données spécialisé …
L’apprentissage de représentation multimodale consiste à entraîner des modèles à …
Les Régressions par Splines Adaptatives Multivariées (MARS) sont une méthode de …
Cette technique exploite le biais inductif partagé entre les tâches liées pour améliorer …
Le Mélange d’experts (MoE) est une architecture d’apprentissage automatique …
Moshi est un modèle d’IA avancé créé par Kyutai qui intègre le traitement de la …
Dans les GAN, l’effondrement de mode se produit lorsque le générateur apprend à …
L’entraînement en précision mixte (MPT) combine des types de données en …
Mistral Common est un package Python maintenu par Mistral AI qui offre des outils …
Mixtral est un LLM pionnier à poids ouverts qui utilise une architecture de Mélange …
L’apprentissage méta se concentre sur la conception d’algorithmes capables …
Bien qu’il ne s’agisse pas d’un terme académique standard, …
La recherche de produit scalaire maximal (RPSM) est un problème fondamental en …
La régularisation de variété étend les méthodes de régularisation traditionnelles en …
Cette technique répond aux réglementations sur la confidentialité comme le « droit à …
Cette hypothèse explique pourquoi l’apprentissage profond fonctionne efficacement …
Ce domaine interdisciplinaire utilise l’apprentissage automatique pour traiter de …
Le contrôle par apprentissage automatique intègre des algorithmes adaptatifs aux systèmes …
MAUVE est une mesure statistique conçue pour évaluer à quel point la sortie d’un …
L’échantillonnage local cas-témoins est une stratégie utilisée principalement pour …
L’hypothèse du billet de loterie suggère qu’au sein d’un grand réseau …
L’exécution d’un LLM Local implique le déploiement de modèles à poids ouverts …
Dans les systèmes dynamiques et l’analyse des séries temporelles, la durée de vie …
Lifelong Planning A* (LPA*) est une extension de l’algorithme de recherche A* …
Contrairement à la classification ou à la régression standard, l’apprentissage du …
En théorie de l’apprentissage statistique, une classe de fonctions apprenables …
Ancrée dans la théorie des actes de parole et la pragmatique, cette perspective met …
Les réseaux de Kolmogorov-Arnold (KAN) constituent une classe récente de réseaux …
Les méthodes d’embedding de graphe de connaissances, telles que TransE ou DistMult, …
Contrairement au filtrage collaboratif qui repose sur le passé des utilisateurs, le KBRS …
La distillation des connaissances est une méthode d’apprentissage automatique …
KAoS est un cadre d’agents intelligents développé pour gérer la complexité des …
En apprentissage par renforcement, la motivation intrinsèque pousse un agent à explorer …
Le contrôle intelligent utilise des méthodes d’intelligence artificielle telles que …
Cette théorie postule que l’apprentissage est essentiellement un processus …
Le biais inductif représente les préférences ou contraintes inhérentes intégrées dans un …
La Programmation Inductive, souvent appelée Synthèse de Programmes, consiste à créer du …
La Recherche Heuristique Incrémentale désigne des algorithmes qui affinent une solution …
La technologie Image vers Vidéo prend une seule image fixe et prédit les images suivantes …
Ce domaine étudie les processus derrière la formation, la combinaison et …
L’Optimisation des Hyperparamètres (OHP) désigne le domaine plus large de …
Un Système Intelligent Hybride (SIH) fusionne différents paradigmes de l’IA, …
L’histogramme des déplacements orientés (HOD) est une méthode d’extraction de …
La parité hiérarchique des risques (HRP) est une méthode de construction de portefeuille …
L’algorithme du petit monde navigable hiérarchique (HNSW) construit un graphe …
Les réseaux autoroutiers sont conçus pour résoudre le problème de la disparition du …
Halite était une compétition annuelle de programmation d’IA organisée par Two …
Le grokking désigne un comportement contre-intuitif observé en apprentissage profond : un …
Cette stratégie d’optimisation permet d’entraîner des modèles …
Cette approche imite les processus cognitifs humains en regroupant les données en entités …
GPT OSS désigne généralement des alternatives ou des dérivés open source des modèles …
Il n’existe pas de terme standard unique « GLM MoE DSA ». Cependant, il combine …
L’apprentissage de caractéristiques géométriques se concentre sur le traitement de …
La Mission Genesis fait généralement référence à une phase ou un projet stratégique au …
À ce jour, il n’existe aucun modèle officiellement publié nommé spécifiquement …
Un agent flou opère dans des environnements où les données sont souvent ambiguës ou …
L’AFC fournit un cadre rigoureux pour analyser les relations entre les objets et …
Le contrôle de force permet aux robots d’effectuer des opérations délicates telles …
L’approximation de la fitness est utilisée dans le calcul évolutionnaire lorsque …
Les modèles génératifs basés sur les flux construisent des distributions de probabilité …
L’apprentissage de fonctionnalités, souvent associé à l’apprentissage …
L’ABE combine le raisonnement symbolique avec l’apprentissage automatique …
Contrairement aux algorithmes génétiques qui maintiennent une population, l’EO …
ExBERT offre une interprétabilité au modèle transformateur BERT en analysant …
Inspirée par l’ontogenèse biologique, la robotique développementale évolutive …
Les cotes égalisées sont une contrainte de parité statistique utilisée dans …
En apprentissage par renforcement et en intelligence artificielle, l’autonomisation …
Les Modèles Basés sur l’Énergie (EBM) définissent une distribution de probabilité …
La Modélisation Dynamique Empirique (EDM) est un cadre d’analyse des systèmes …
Développé par Google, EfficientNet utilise une méthode de mise à l’échelle …
Ce domaine remet en question les vues traditionnelles qui traitent l’esprit comme …
Ce terme désigne la relation synergique entre l’algorithme Expectation-Maximization …
L’adaptation de domaine répond au défi lorsque les données d’entraînement et …
Ce terme désigne une implémentation spécifique au sein de la bibliothèque Hugging Face …
La discrimination à l’égard des robots est un concept éthique et sociologique …
Ce pipeline intègre les capacités du modèle Qwen-Vision-Language dans le framework …
Ce pipeline adapte les capacités génératives des modèles Qwen-VL pour la synthèse …
La confidentialité différentielle offre de solides garanties de confidentialité en …
Ce pipeline exploite l’architecture Flux, connue pour sa synthèse d’images de …
Le déploiement sur Azure implique l’utilisation d’outils natifs du cloud tels …
Les logiques de description (DL) sont des fragments décidables de la logique du premier …
La Reconstruction Tomographique Profonde représente une avancée significative par rapport …
L’anticrénelage par apprentissage profond fait référence aux méthodes qui emploient …
Le Sur-échantillonnage par Apprentissage Profond (DLSS) est une technologie qui exploite …
Les jeux de données Search QA consistent généralement en des paires de requêtes de …
Cette entrée fait référence à un dépôt de jeu de données spécifique identifié par …
Le jeu de données Specter est construit à partir d’une vaste collection …
Ce jeu de données extrait des données au niveau des phrases à partir des fichiers XML de …
Le jeu de données PAQ (Pseudo-Answer Quality) contient des millions de paires …
L’astronomie pilotée par les données exploite des méthodes computationnelles …
DABUS est un réseau de neurones artificiels spécifique conçu pour générer des inventions …
Cette technique adverse vise à compromettre l’intégrité des modèles …
La Méthode de l’Entropie Croisée (MEC) est un algorithme d’optimisation …
Les apprenants de motifs couplés sont conçus pour gérer des données où les instances …
L’apprentissage automatique sensible au coût étend l’apprentissage supervisé …
L’apprentissage continu, également connu sous le nom d’apprentissage tout au …
L’apprentissage contrastif est une méthode d’apprentissage de représentations …
Le pré-entraînement contrastif langage-image (CLIP) est une architecture de réseau …
L’IA constitutionnelle est un cadre visant à aligner les grands modèles de langage …
Un système expert connexioniste intègre les forces de la reconnaissance de motifs et de …
Les champs aléatoires conditionnels (CRF) sont une classe de modèles discriminatifs …
La dérive conceptuelle est un phénomène en apprentissage automatique où la relation entre …
Les tenseurs compressés sont des tableaux multidimensionnels utilisés en apprentissage …
La Volition Extrapolée Cohérente (CEV) est un concept introduit par Eliezer Yudkowsky …
L’informatique cognitive est une branche de l’intelligence artificielle qui …
La robotique cognitive intègre les sciences cognitives à la robotique pour construire des …
Le CAM génère des cartes thermiques superposées aux images d’entrée pour montrer …
Cette méthode exploite plusieurs ensembles de caractéristiques distincts (vues) des mêmes …
La théorie du chaos explore comment de petites variations dans les paramètres de départ …
Cette métrique quantifie la capacité d’un ensemble de catégories à prédire les …
La biosérénité désigne l’idéal conceptuel où la biologie humaine et …
Le modèle Bradley-Terry est un modèle probabiliste largement utilisé en psychométrie et …
Le compromis biais-variance décrit la tension entre le sous-apprentissage (biais élevé) …
Les systèmes biohybrides fusionnent des tissus vivants, des cellules ou des organismes …
La programmation bayésienne est un cadre mathématique qui généralise le théorème de Bayes …
Le regret bayésien quantifie la différence entre la récompense optimale réalisable avec …
Les modèles de séries temporelles structurelles bayésiennes (BSTS) représentent les …
Ce concept établit que la minimisation d’un fonctionnel de risque régulé avec un …
Les mécanismes d’apprentissage bayésien mettent à jour les croyances concernant les …
Un arbre balistique partitionne les points de données en hypersphères imbriquées (balles) …
La négociation automatisée implique des agents logiciels représentant les intérêts …
Le réseautique autogérée applique les principes de l’informatique autogérée aux …
Les autognostics désignent les mécanismes d’auto-surveillance et …
L’astrostatistique est un domaine spécialisé qui fait le pont entre les …
L’inpainting audio est une technique utilisée pour combler les lacunes dans les …
L’intimité artificielle fait référence au phénomène psychologique par lequel les …
La reproduction artificielle englobe les techniques qui facilitent ou reproduisent la …
L’IA dans la spiritualité fait référence à l’application de …
Un cerveau artificiel désigne des architectures matérielles ou logicielles qui émulent …
L’apprentissage par apprentissage assisté, également connu sous le nom …
Le concept « De tout vers tout » désigne des architectures multimodales unifiées capables …
La probabilité algorithmique, ancrée dans la complexité de Kolmogorov et …
Ce phénomène survient lorsque les modèles d’IA traitent involontairement ou …
Ce domaine englobe à la fois les techniques offensives visant à compromettre les modèles …
Les attaques adversariales exploitent les vulnérabilités des réseaux de neurones en …
Elle étend la logique traditionnelle pour tenir compte de l’agence, permettant aux …
L’algorithme acteur-critique emploie deux composants : l’acteur, qui met à …
L’apprentissage du modèle d’action implique qu’un agent construise une …
AZFinText est un corpus annoté à grande échelle spécifiquement conçu pour l’analyse …
Les problèmes dits « complexes pour l’IA » sont des tâches qui, si elles étaient …
Le véganisme IA est un terme spéculatif et métaphorique désignant l’idée de créer …
Le nationalisme IA décrit la tendance selon laquelle les gouvernements traitent …
L’observabilité IA étend la surveillance traditionnelle des logiciels pour répondre …
L’alignement de l’IA traite du défi consistant à rendre les systèmes …
L’apprentissage zero-shot permet à un modèle d’apprentissage automatique de …
Les modèles Vision-Language, souvent appelés grands modèles de langage multimodaux …
L’affinage supervisé (SFT) consiste à prendre un grand modèle pré-entraîné, tel …
L’apprentissage auto-supervisé est une technique où l’algorithme crée des …
Le cadre ReAct permet aux LLM de générer à la fois des traces de raisonnement et des …
Les RNN sont conçus pour reconnaître des motifs dans des séquences de données, telles que …
L’injection de prompt exploite la manière dont les grands modèles de langage …
QLoRA combine l’adaptation de faible rang (LoRA) avec une quantification 4 bits …
L’apprentissage multi-instance (MIL) traite des scénarios où les données sont …
Le Protocole de Contexte de Modèle (MCP) est une norme ouverte qui permet aux …
Les systèmes multi-agents sont composés de plusieurs agents indépendants, chacun pouvant …
Les réseaux LSTM résolvent le problème de disparition du gradient courant dans les RNN …
Le jailbreak consiste à concevoir des entrées ou des prompts spécifiques pour tromper un …
L’apprentissage à exemples limités vise à permettre aux modèles de généraliser à …
L’apprentissage fédéré permet aux organisations d’entraîner collaborativement …
Ce concept aborde le problème de la « boîte noire » dans les systèmes d’IA …
Ces modèles mappent des données de haute dimension dans un espace vectoriel continu de …
Dans les modèles de séquence à séquence, le décodeur prend le vecteur de contexte produit …
L’Entraînement Distribué accélère la convergence du modèle en parallélisant les …
L’incitation à la chaîne de pensée (CoT) améliore les performances des grands …
Les adaptateurs sont une technique d’ajustement fin économe en paramètres, …
Les mécanismes d’attention permettent aux modèles de se concentrer sur les …
L’apprentissage zéro échantillon permet aux modèles de généraliser vers de …
L’apprentissage auto-supervisé est un sous-ensemble de l’apprentissage …
Les systèmes multi-agents sont constitués de plusieurs entités indépendantes et …
Les algorithmes on-policy exigent que l’apprentissage se fasse directement à partir …
Les problèmes à long terme impliquent des séquences d’actions où l’impact des …
Les modèles basés sur la diffusion sont une classe d’IA générative qui crée de …
Les modèles en temps continu décrivent la dynamique du système à l’aide …
La distance de Wasserstein, également connue sous le nom de Distance du Transfert Optimal …
Les bases de données vectorielles optimisent le stockage et la récupération de données …
Introduit dans l’article « Attention Is All You Need », l’architecture …
L’auto-attention permet aux modèles de capturer les dépendances entre toutes les …
La sécurité de l’IA est un domaine multidisciplinaire axé sur la prévention des …
L’apprentissage par renforcement (RL) est une branche de l’apprentissage …
La Génération augmentée par récupération (RAG) combine les forces des systèmes d’IA …
Un ‘a priori’ représente les croyances existantes ou les données historiques …
Le pré-entraînement est une technique fondamentale en apprentissage profond où un modèle …
Un réseau de neurones est une série d’algorithmes qui cherche à reconnaître les …
L’attention multi-têtes étend le mécanisme d’attention standard en …
Mamba représente une avancée significative dans la modélisation de séquences en …
En apprentissage automatique, les variables latentes sont des facteurs non observés qui …
LoRA gèle les poids pré-entraînés du modèle et insère des matrices de décomposition …
La dynamique de Langevin intègre du bruit aléatoire et des forces d’amortissement …
En mathématiques et en informatique théorique, un groupe est un ensemble G accompagné …
Les modèles de diffusion sont une classe d’IA générative qui apprennent à inverser …
En intelligence artificielle, la modélisation causale cherche à comprendre comment les …
Dans le contexte de la terminologie de l’IA, « au-delà » décrit souvent des …
Les méthodes de Monte-Carlo sont des techniques essentielles en IA et en statistiques …
Les approches bayésiennes en IA utilisent la théorie des probabilités pour mettre à jour …
Les réseaux neuronaux convolutifs (RNC) sont conçus pour apprendre automatiquement et de …
La rétropropagation, abréviation de rétropropagation des erreurs, est une méthode …
L’alignement vise à faire en sorte que les systèmes d’IA fassent ce que les …
La sécurité de l’IA englobe la recherche et les pratiques visant à garantir que les …