
Quand le rôle donné à un LLM déforme l'analyse financière
Sur 3 575 documents SEC, une étude sépare l'effet du contexte récupéré de celui de la persona et de la mémoire.
Éditorial / 24 publications
Des méthodes et des tutoriels lisibles hors ligne pour tester les outils, vérifier leurs limites et construire des workflows durables.
À lire

Sur 3 575 documents SEC, une étude sépare l'effet du contexte récupéré de celui de la persona et de la mémoire.

Pourquoi un modèle financier doit respecter à la fois la date des données d'entrée et la date de ses paramètres d'entraînement.

BiDRO-FL combine des boules de Wasserstein locales et une incertitude sur les poids des clients pour formaliser un apprentissage fédéré distributionnellement robuste.

Une revue académique distingue les modèles Buy Now, Pay Later, leurs incitations marchandes et les questions ouvertes de politique publique.

Une grille courte pour rendre les prompts, le contexte partagé et les évaluations d’agents lisibles, testables et réversibles.

Des bornes sharp relient l'erreur de reconstruction d'un autoencodeur au choix du forward map et à la géométrie des données.

Un réseau déforme directement un arbre recombiné à partir de prix d'options tout en conservant admissibilité et complétude.

Un environnement POMDP et un agent de reinforcement learning étudient les contrats carbone sous sélection adverse, aléa moral et coûts de vérification.

Une étude entraîne un circuit paramétré sur des prix BTC à cinq minutes et compare la volatilité réalisée à des séries synthétiques.

ClashBench mesure la préemption destructive : supprimer, écraser ou dégrader une tâche déjà active pour résoudre un conflit de ressource.

Ce que CliniCIRCA permet d’étudier sur l’extraction d’événements, l’incertitude temporelle et les limites des juges automatiques.

Une lecture du rôle du screening, de la rente et de la liquidité dans la coexistence des carnets d'ordres et des teneurs automatisés.

SafeHarness montre pourquoi une consigne de sécurité doit être intégrée au plan et à l'exécution, plutôt que laissée dans le prompt.

SAIGE relie collaboration multi-agent et structure de dépendances pour réserver la parallélisation aux tâches qui en bénéficient.

COMPASS traite le Ordered Clustered TSP comme un problème global de sélection des frontières, plutôt qu'une suite de sous-tournées indépendantes.

Un graphe temporel aligne l’évolution du sens des concepts et celle de leurs connexions avant de prévoir les relations à venir.

Une architecture conceptuelle en trois niveaux propose de séparer ancrage de confiance, registre d’agents et résolution de capacités.

Une étude compare confiance verbalisée, probabilité postérieure et accord entre générations, et observe une sensibilité aux formulations.

Une étude pré-enregistrée sépare la faiblesse d'un score de vraisemblance, l'échec d'un routeur et la facilité du jeu de questions.

Le conformal policy learning ajoute une garantie de sécurité distribution-free à l'affectation individualisée des traitements.

Ce que mesure un benchmark de conformité aux exigences chinoises de contenu généré, et ce qu'il ne permet pas de conclure.

Une expérience incitée teste l'effet de l'accès à un assistant IA en direct sur les choix de loteries.

Une réplication de groupes Wason montre que le consensus simulé peut dépasser celui des groupes humains et rester faux.

GMATS suit le déplacement de croyances et l’impact sur le risque lorsqu’un flux social contaminé alimente plusieurs agents de trading.
Continuer l'exploration