Why Your RAG Agent Is Confidently Wrong: Retrieval Choices That Actually Matter
Pourquoi votre agent RAG a tort avec assurance : les choix de recherche qui comptent vraiment
★
★
★
★
☆
4/5
Toronto Machine Learning Society (TMLS)
@tmls-ai
Towards building safe and secure AI: Lessons and Open Challenges
Vers une IA sûre et sécurisée : leçons apprises et défis à relever
★
★
★
★
☆
4/5
The Vicious Loop:Why Stateless Agents Fail in Production and How We Built Episodic Memory to Fix It
La Boucle Vicieuse : Pourquoi les Agents Sans État Échouent en Production et Comment Nous Avons Construit une Mémoire Épisodique pour Y Remédier
★
★
★
★
☆
4/5
The Meaning Gap: Your Agent Is Correct. Your Deployment Is Not.
Le fossé du sens : votre agent a raison. Votre déploiement, non.
★
★
★
★
☆
4/5
The Agentic Flow I Designed Versus the Actual Flow: And How I Discovered It Using OpenTelemetry
Le flux agentique que j'ai conçu face au flux réel : comment je l'ai découvert grâce à OpenTelemetry
★
★
★
★
☆
4/5
Jailbreaking the Blockchain: How I Used Game Theory to Map Prompt Injection Attack Surfaces
Jailbreaking the Blockchain: Comment j'ai utilisé la théorie des jeux pour cartographier les surfaces d'attaque par injection de prompts
★
★
★
★
☆
4/5
INSPIRE: Intent-aware Neural Sponsored Product Retrieval for E-commerce
INSPIRE: Recherche neuronale de produits sponsorisés sensible à l'intention pour le commerce électronique
★
★
★
★
☆
4/5
From Single Agent Evolution to Multi-Agent Synergy
De l'évolution d'un agent unique à la synergie multi-agents
★
★
★
★
☆
4/5
From Inventory to Accelerator: What Happens When a Large AI Org Builds Data Products No One Can Find
De Inventory à Accelerator : que se passe-t-il lorsqu'une grande organisation d'IA crée des produits de données que personne ne peut trouver
★
★
★
★
☆
4/5
Fine-Tuning LLMs for Real-World Tool Calling: Lessons from tau2-bench
Ajustement fin des LLM pour l'appel d'outils dans le monde réel : leçons de tau2-bench
★
★
★
★
☆
4/5
Expanding the Capabilities of Tabular Foundation Models
Étendre les capacités des modèles de fondation tabulaires
★
★
★
★
☆
4/5
Evaluating Netflix Show Synopses with LLM-as-a-Judge
Évaluer les synopsis de programmes Netflix avec un LLM en guise de juge
★
★
★
★
☆
4/5
Enhancing Training Data Pipelines with Lance and the Multimodal Lakehouse
Améliorer les pipelines de données d'entraînement avec Lance et le Lakehouse multimodal
★
★
★
★
☆
4/5
Encrypted inferences over decision trees
Inférences chiffrées sur des arbres de décision
★
★
★
★
☆
4/5
Emulating Real-World PII with a Large-Scale Synthetic Dataset to Audit LLM Memorization
Émulation de PII du monde réel avec un ensemble de données synthétiques à grande échelle pour auditer la mémorisation des LLM
★
★
★
★
☆
4/5
Beyond “System Complete”: Shipping Globally with Agentic Commerce Orchestration
Au-delà du « système complet » : Expédition mondiale avec l'orchestration du commerce par agents
★
★
★
★
☆
4/5
Automated and Scalable RAG: Vector Stores, MCP, Clustering
RAG automatisé et évolutif : magasins de vecteurs, MCP, clustering
★
★
★
☆
☆
3/5
Agentic vs. Vector Search: An Eval-Driven Approach to Coding Agent Performance
Agentic vs. Vector Search: Une approche axée sur l'évaluation pour coder la performance de l'agent
★
★
★
★
☆
4/5
Agentic Financial Reasoning with Knowledge Graphs and LLMs
Raisonnement financier agentique avec des graphes de connaissances et des LLM
★
★
★
★
☆
4/5
Orchestrating AI Agents to Structure the World's Product Knowledge | Shopify
Orchestration d'agents d'IA pour structurer la connaissance mondiale des produits | Shopify
★
★
★
★
☆
4/5
CI/CD Fails for AI & How CC/CD Fixes It | Aishwarya Reganti (LevelUp Labs) & Kiriti Badam (OpenAI)
Échecs de CI/CD pour l'IA et comment CC/CD corrige cela | Aishwarya Reganti (LevelUp Labs) et Kiriti Badam (OpenAI)
★
★
★
★
☆
4/5
Inside the Foundational Data Layer | Vishakha Gupta-Cledat, ApertureData I The Next Wave of AI
À l'intérieur de la couche de données fondamentale | Vishakha Gupta-Cledat, ApertureData I La prochaine vague d'IA
★
★
★
☆
☆
3/5
Durable AI Agents — They're Failure Proof | Cornelia Davis, Temporal l The Next Wave of AI
Agents IA durables — Ils sont à l'épreuve de l'échec | Cornelia Davis, Temporal l La prochaine vague de l'IA
★
★
★
★
☆
4/5
AI Red Teaming — Why & How to Jailbreak LLM Agents | Alex Combessie, Giskard l The Next Wave of AI
AI Red Teaming — Pourquoi et comment jailbreaker les agents LLM | Alex Combessie, Giskard | La prochaine vague de l'IA
★
★
★
★
☆
4/5
AI Agent Evals: From Testing to Trust | Vaibhavi Gangwar, Maxim AI
Évaluation des agents IA : des tests à la confiance | Vaibhavi Gangwar, Maxim AI
★
★
★
★
☆
4/5
Video Intelligence Is Going Agentic | James Le, TwelveLabs
L'intelligence vidéo devient agentique | James Le, TwelveLabs
★
★
★
★
☆
4/5
Managing AI Agent Performance Degradation in Production | Kumaran Ponnambalam, Cisco
Gestion de la dégradation des performances des agents IA en production | Kumaran Ponnambalam, Cisco
★
★
★
★
☆
4/5
Insights and Epic Fails from 5 Years of Building ML Platforms | Eric Riddoch, Pattern AI
Aperçus et échecs marquants de 5 ans de développement de plateformes ML | Eric Riddoch, Pattern AI
★
★
★
★
☆
4/5
How to Build and Evaluate Agentic AI Workflows with FloTorch | Dr. Hemant Joshi, FloTorch
Comment créer et évaluer des workflows d'IA Agentique avec FloTorch | Dr. Hemant Joshi, FloTorch
★
★
★
☆
☆
3/5
How Math-Driven Thinking Builds Smarter Agentic Systems | Claire Longo, Comet
Comment la pensée axée sur les mathématiques construit des systèmes agentiques plus intelligents | Claire Longo, Comet
★
★
★
★
☆
4/5
Hope is Not a Strategy: Retrieval Patterns for MCP | Serena Chou, Elastic
L'espoir n'est pas une stratégie : Modèles de récupération pour MCP | Serena Chou, Elastic
★
★
★
★
☆
4/5
From Zero to One: Building AI Agents From the Ground Up | Federico Bianchi, TogetherAI
De zéro à un : Construire des agents IA de A à Z | Federico Bianchi, TogetherAI
★
★
★
★
☆
4/5
DNS-like Trust Layer for Secure, Scalable AI-Agent Deployments on Kubernetes | Akshay Mittal, PayPal
Couche de Confiance de type DNS pour des Déploiements Sécurisés et Évolutifs d'Agents d'IA sur Kubernetes | Akshay Mittal, PayPal
★
★
★
★
☆
4/5
Deploying Continental R&D’s First Predictive ML Model | Claudia Peñaloza, Continental Tires
Déploiement du premier modèle de ML prédictif de Continental R&D | Claudia Peñaloza, Continental Tires
★
★
★
★
☆
4/5
Context Engineering Practical Techniques for Improving Agent Quality Today | Vaibhav Gupta, Boundary
Techniques pratiques d'ingénierie de contexte pour améliorer la qualité des agents aujourd'hui | Vaibhav Gupta, Boundary
★
★
★
★
☆
4/5
Building Open Infrastructure for the Agentic Era | Bryan McCann, CTO You.com
Construire une infrastructure ouverte pour l'ère des agents | Bryan McCann, CTO You.com
★
★
★
★
☆
4/5
Building Multi-Cloud GenAI Platforms Without the Pain | Romil Bhardwaj, SkyPilot
Créer des plateformes GenAI multicloud en toute simplicité | Romil Bhardwaj, SkyPilot
★
★
★
★
☆
4/5
A Practical Guide to Fine-Tuning and Deploying Vision Models | Zac Carrico, Apella
Guide pratique pour affiner et déployer des modèles de vision | Zac Carrico, Apella
★
★
★
★
☆
4/5
Why Semantics & Knowledge Graphs Are Essential for AI-Ready Data Systems | Juan Sequeda, ServiceNow
Pourquoi la sémantique et les graphes de connaissances sont essentiels pour les systèmes de données prêts pour l'IA | Juan Sequeda, ServiceNow
★
★
★
★
☆
4/5
Vibe Coding Your First LLM End-to-End Application | Greg Loughnane & Chris Alexiuk, AI Makerspace
Coder en mode vibes votre première application LLM de bout en bout | Greg Loughnane et Chris Alexiuk, AI Makerspace
★
★
★
★
☆
4/5