Toutes les news taguées avec ce sujet.
Une étude théorique établit des bornes de généralisation pour OPTQ et propose un nouveau choix du paramètre de régularisation λ.
Contre le surapprentissage des agents LLM lors de l'auto-amélioration, RRSI introduit des régularisations pour favoriser des mécanismes réutilisables plutôt que des astuces spécifiques à un benchmark.
Une étude unifie les algorithmes de recommandation issus du deep learning sous deux familles de régularisation, et propose deux nouvelles solutions hybrides.