Retrieval
Fellow suit ce sujet depuis juillet 2026 : 35 articles résumés en français, dont 8 jugés majeurs ou notables.
Toute l'actualité · 35 articles
Comment la vérité terrain façonne les scores de retrieval : évaluation d'un système RAG sur les lésions mammaires
Un protocole d'évaluation fondé sur les preuves pour un système RAG clinique montre que l'extension des annotations de pertinence augmente les preuves reconnues sans modifier les classements.
Même simulation, preuves différentes : le coût en précision de la récupération des sorties d'outils chez les agents LLM
Avec le simulateur géochimique PHREEQC, des agents GPT perdent jusqu'à 11,3 points quand ils lisent le rapport via un index plutôt qu'en contexte, alors que les modèles Claude testés ne montrent aucun coût détectable.
Apprentissage concurrent dans les architectures hybrides
Dans les architectures hybrides, récurrence linéaire et attention softmax se disputent l'apprentissage des mêmes fonctions. Une procédure d'entraînement par étapes est proposée pour y remédier.
Lean Graph Search : recherche par graphe pour la démonstration formelle de théorèmes
LeanGraphSearch exploite les dépendances multi-sauts de Mathlib pour retrouver des lemmes utiles à la preuve formelle en Lean 4, avec un gain de rappel allant jusqu'à 12 % face à LeanSearch v2.
Ce qui change quand l'index de recherche est hébergé sur S3
Infino détaille les choix de conception d'un moteur de recherche dont l'index vit sur le stockage objet : sur S3, le nombre d'allers-retours réseau devient la ressource la plus rare.
Planifier ou récupérer d'abord ? Étude à grande échelle des architectures de découverte d'outils
Des chercheurs d'Apple comparent deux approches de découverte d'outils pour agents LLM : récupérer puis planifier, ou planifier d'abord avec des stubs d'outils abstraits servant de requêtes.
Ledger : une mémoire 3D persistante d'objets pour les assistants incarnés à partir de vidéos égocentriques
Des chercheurs proposent Ledger, un système de mémoire d'objets en 3D qui retient les emplacements et l'historique des objets dans des vidéos à la première personne, même après qu'ils ont quitté le champ de vision.
Votre prompt devrait faire plus : effets des instructions de retrieval dans les modèles d'embedding
Une étude finlandaise révèle que les modèles d'embedding peinent à suivre les instructions de retrieval en présence de distracteurs côté requête, et propose un fine-tuning ciblé pour y remédier.
IdeaAnchor : apprendre aux LLM à transformer la littérature scientifique en idées de recherche
Un nouveau paradigme d'entraînement utilise des spécifications structurées pour apprendre aux modèles à synthétiser des idées de recherche à partir de papiers existants.
ScholarCatalyst : un benchmark pour retrouver les papiers qui inspirent de nouvelles recherches
Un nouveau benchmark révèle que même les agents IA les plus avancés peinent à retrouver les travaux antérieurs clés derrière une découverte scientifique.
EvoDuet : co-évolution à deux niveaux de la recherche web et de la résolution de tâches pour la découverte scientifique
Une méthode d'optimisation bi-niveau fait évoluer conjointement les requêtes de recherche et les solutions, sans modifier les paramètres du LLM.
LongHarness Bench : évaluer les harnais de LLM sur le raisonnement long-contexte
Un nouveau benchmark révèle que l'efficacité, pas seulement la précision, distingue vraiment les harnais pour LLM en contexte long.
Retrouver les références intertextuelles bibliques dans les Contes gothiques de Karen Blixen
Un benchmark inédit teste la détection de citations et allusions bibliques en danois ancien, entre méthodes lexicales classiques et encodeurs neuronaux fine-tunés.
Les LLM récupèrent-ils les données moléculaires par cœur ?
Une étude auditant 22 modèles frontières révèle un phénomène massif de mémorisation littérale sur les benchmarks de propriétés moléculaires.
ACToR : récupération adaptative ciblant les tokens critiques pour la génération de code au niveau dépôt
Un nouveau framework RAG identifie les tokens décisifs pendant la génération pour déclencher une récupération de contexte plus précise et efficace.
De la confusion à la clarté : récupération et injection de connaissances sensibles à la confusion pour la classification de texte
Un framework identifie les paires d'étiquettes que les LLM confondent et génère des règles ciblées pour les départager, sans fine-tuning.
Récupéré mais mal classé : le biais de forme de surface dans la recherche structurelle, des maths aux trajectoires d'agents
Une étude montre que les embedders s'accrochent aux mots plutôt qu'à la structure, avec un Hit@1 à 0% en maths sur les cas les plus déguisés.
RATIO : benchmark pour la récupération d'idéations scientifiques
RATIO évalue la capacité des systèmes à récupérer de la littérature scientifique pour l'inspiration via des opérations d'idéation typées.
Lire n'est pas utiliser : retrieval, jugement et conception des workflows d'analyse financière IA
Une étude montre que les LLM peuvent récupérer une information financière avec précision sans que celle-ci influence réellement leur jugement d'investissement.
Re³Cap : affinement de légendes guidé par retrieval via RL
Une méthode RL exploitant le retrieval multimodal pour réduire les hallucinations et améliorer les légendes d'images.
SCORE : récupération de coordonnées sujet pour le retrieval EEG-image inter-sujets sans annotation
Une méthode sans étiquette cible permet de décoder l'imagerie visuelle à partir d'EEG pour de nouveaux utilisateurs, comblant l'écart avec les approches intra-sujet.
NEAR : ancrage neural pour la récupération cerveau-image
Une méthode d'ancrage améliore la précision du décodage visuel avec peu de répétitions de signaux cérébraux.
Beyond Top-K : remplacer la retrieval opaque par des agents
READ propose une approche agentique et sans embedding pour analyser les documents financiers longs et complexes.
Battre GPT-5.6 Sol sur la recherche documentaire avec des modèles open 100 fois moins chers
Neon affirme que son modèle Castform surpasse GPT-5.6 Sol sur des tâches de retrieval, pour une fraction du coût d'inférence.
UEmb : Embeddings unifiés éparses et denses multimodaux
Un modèle decoder-only unifie les représentations éparses et denses pour le texte et le multimédia, performant sur MMEB-v2.
QASP : une politique de recherche vectorielle robuste et adaptative
QASP réduit la variance et le coût de la recherche vectorielle en adaptant dynamiquement les paramètres pour atteindre le rappel cible.
ReToken : un unique token pour améliorer la recherche visuelle dans les modèles vision-langage
Une méthode légère à un seul embedding entraîné améliore la récupération de tokens visuels pertinents, avec des gains mesurables sur plusieurs benchmarks image et vidéo.
AskChem : infrastructure centrée sur les faits pour la littérature chimie
AskChem transforme la recherche documentaire en extraction de faits vérifiables pour l'analyse chimique.
DualG-MRAG : Découplage Macro-Raisonnement et Micro-Matching pour le MM-RAG
Une nouvelle architecture à deux niveaux sépare le raisonnement structurel global de la vérification locale pour améliorer le Multimodal RAG.
DenseOn et LateOn : modèles ouverts pour le retrieval multilingue
Deux modèles de retrieval de 149M et 307M paramètres, open-source et performants sur BEIR, exploitant la méthode translate-train.
Améliorer la découvrabilité des produits en e-commerce via la génération d'intentions liées
Un système hybride LLM/SLM étend la recherche au-delà du match strict pour révéler produits substituts et complémentaires en e-commerce.
L'IA générative comme vecteur d'accès aux ressources académiques
Une analyse empirique montre l'impact croissant de ChatGPT, Perplexity et Gemini sur le trafic vers les bibliothèques universitaires.
NVIDIA Nemotron 3 Embed : 1er sur RTEB
Le modèle embedding de NVIDIA domine le benchmark RTEB, boostant les capacités de retrieval pour les agents IA.
Le spectre ne suffit pas : l'aide du contexte en prévision
Les indices spectraux ne prédisent pas l'apport du contexte. Étude sur les limites du spectre pour les modèles de fondation.
DynaKRAG : un framework unifié pour le contrôle adaptatif des preuves en RAG multi-sauts
DynaKRAG introduit une politique apprise pour orchestrer dynamiquement les opérations de récupération de preuves dans les systèmes RAG multi-sauts.