Maximilian Baader

La contamination des données dans les modèles de langage pose de sérieux problèmes de confiance pour les évaluations.

Une nouvelle approche améliore la récupération de données tout en s'attaquant aux préoccupations de confidentialité dans l'apprentissage fédéré.

Des recherches montrent des vulnérabilités dans l'approche de la confidentialité des textes en apprentissage fédéré.

Présentation d'une méthode pour évaluer la résilience des modèles face aux attaques par empoisonnement de données.

Cet article parle d'un nouveau système de notation pour évaluer les modèles de langue de manière plus juste.