Calibration
Fellow suit ce sujet depuis juillet 2026 : 22 articles résumés en français, dont 2 jugés majeurs ou notables.
Toute l'actualité · 22 articles
Abstention sensible aux coûts pour la classification de tickets IT par LLM
Une étude hors ligne sur 47 837 tickets montre qu'une politique d'abstention calibrée réduit le coût de routage de 38,1 %, tandis que les LLM en prompting restent loin d'un DistilBERT fine-tuné.
VX-One : têtes de décision typées et calibrées pour le triage de périmètre en temps réel
Une étude empirique d'un petit réseau multi-têtes produisant porte binaire, choix en ensemble fermé avec option « inconnu » et score ordinal, évalué sur UNSW-NB15, CIC-IDS2017 et EMBER2024.
Utiliser un LLM pour produire un score de confiance est une mauvaise idée
Un billet d'Amrut Joshi explique pourquoi le score de confiance généré par un LLM dans les agents n'est pas fiable, en s'appuyant sur la notion de confiance et sa mesure par calibration.
ReCIRC : un contrôle du risque conforme rectifié pour une calibration plus fine
Une méthode qui adapte le seuil de risque à chaque entrée, plutôt qu'un seuil unique global, pour mieux calibrer les modèles prédictifs.
Incertitude et explicabilité dans la volatilité rugueuse profonde : une approche a posteriori info-théorique
Un cadre d'inférence bayésienne par simulation pour calibrer les modèles rHeston, quantifier l'incertitude et expliquer les paramètres appris.
Limites minimax de la calibration à score fixe par régression quantile conformalisée sous covariate shift
Des bornes d'erreur non asymptotiques pour la régression quantile conformalisée, avec des limites minimax exactes sous hypothèse de covariate shift connu.
Échecs prévisibles en récupération multi-hop : score de confiance distributionnel et abstention
Une méthode sans appel LLM supplémentaire prédit et réduit les réponses confiantes mais fausses dans les pipelines RAG multi-hop.
Identification RF calibrée sous interférences avec protocoles de transmission hétérogènes
Une méthode par CNN 1D améliore l'identification d'émetteurs radio en présence de signaux qui se chevauchent, avec des garanties statistiques sur les faux négatifs.
ENCP : prédiction conforme normalisée par épisode pour la navigation vision-langage
Une méthode de calibration adaptée aux séquences pour garantir des estimations d'incertitude fiables chez les agents de navigation VLN.
Distillation LLM : une méthode pour corriger le biais du professeur sans feedback sur le domaine cible
Un nouvel algorithme couple calibration du modèle enseignant et apprentissage de l'élève pour limiter la propagation d'erreurs lors du transfert de compétences.
Une nouvelle méthode par classement pour mesurer la calibration des modèles
Des chercheurs proposent le rankECE, une alternative à l'Expected Calibration Error pour évaluer la fiabilité des probabilités prédites.
Calibration de Bellman pour la pondération par importance marginalisée en apprentissage par renforcement hors ligne
Une méthode de post-traitement isotone corrige les biais des estimateurs de ratio d'occupation sans nécessiter de réoptimisation complète du modèle.
Mesures de calibrage véridiques pour la prédiction séquentielle
Une étude prouve l'incompatibilité entre vérité exacte et complétude, tout en proposant des réductions pour des mesures approximativement véridiques.
TCPα : une estimation de confiance à marge contrôlée pour un Music Information Retrieval fiable
Une nouvelle cible d'entraînement garantit une séparation nette entre prédictions correctes et erronées, corrigeant l'excès de confiance des réseaux profonds.
CaliBench : les dynamiques stochastiques des modèles de monde vidéo sont-elles physiquement calibrées ?
Un nouveau benchmark révèle que les modèles vidéo génératifs concentrent leurs sorties sur peu d'issues au lieu de reproduire des distributions physiques réelles.
Dimension de calibration convexe exponentielle pour la mesure de Jaccard multi-labels
Une étude théorique prouve qu'une calibration exacte du score de Jaccard exige un nombre exponentiel de dimensions, avec des alternatives approchées en dimension polynomiale.
HEB-NB : lissage minimax et calibration pour Naive Bayes
Une méthode de lissage empirique adaptatif pour Naive Bayes qui corrige les biais sur les données tabulaires à haute cardinalité.
TOOD : calibration des scores OOD pour l'apprentissage continu
Une méthode post-hoc sans réentraînement pour améliorer la détection de données hors distribution.
Pourquoi il ne faut pas demander de score de confiance à un LLM
Les LLM sont incapables d'évaluer leur propre certitude. Demander un score de confiance induit une illusion de fiabilité.
NVIDIA Ising 1.5 : calibration automatique de QPU par VLM
NVIDIA dévoile Ising Calibration 1.5, un VLM open source qui calibre automatiquement les processeurs quantiques via l'in-context learning.
Calibration séquentielle efficace avec une borne d'erreur en O(T^(2/3-ε))
Un nouveau forecaster randomisé améliore la barrière classique de calibration en ligne, en combinant SPR-Calibration et une couche de correction de type Blackwell.
Agents multimodaux QA par calibration et raisonnement incrémental
Une architecture multi-agents surpasse les systèmes classifs au challenge QANTA 2026 via des politiques de raisonnement ciblées.