
PINN for Challenging Multiphase Flow Problems||Multi-Agent LLM for Intelligent Design ||Dec 12, 2025
PINN pour des problèmes difficiles d'écoulement multiphase||LLM multi-agents pour la conception intelligente ||Dec 12, 2025
Thema UYQM

PINN pour des problèmes difficiles d'écoulement multiphase||LLM multi-agents pour la conception intelligente ||Dec 12, 2025



L8 Mise à l'échelle des caractéristiques, Régularisation Ridge, Lasso, ElasticNET et Arrêt précoce

Hal Daumé : Adaptation au domaine en traitement automatique du langage naturel

Daphne Koller: Modèles probabilistes de domaines relationnels



Avantages des petits modèles IBM, IA moteurs et chevaux, Remettre en question la cross-entropie

Kilian Weinberger: Apprentissage avec des caractéristiques corrompues marginalisées

Désapprentissage ciblé avec gradient de désapprentissage à couche unique

Stanford CS224R Apprentissage par renforcement profond | Printemps 2025 | Cours 3 : Gradients de politique

Stanford CS224R Apprentissage par Renforcement Profond | Printemps 2025 | Conférence 2 : Apprentissage par Imitation

Stanford CS224R Apprentissage par Renforcement Profond | Printemps 2025 | Cours 16 : Apprentissage par Renforcement pour les Robots

Stanford CS224R Apprentissage par renforcement profond | Printemps 2025 | Cours 1 : Introduction

Sur l'impossibilité de l'équivalence de réentraînement dans le désapprentissage machine
![Tensor Logic "Unifies" AI Paradigms [Pedro Domingos]](https://i.ytimg.com/vi/4APMGvicmxY/maxresdefault.jpg)
La logique tensorielle « unifie » les paradigmes de l'IA [Pedro Domingos]


![[ИАД, осень 2025] Вероятностные тематические модели. Лекция 12](https://i.ytimg.com/vi/Je8o6-qgb7Q/sddefault.jpg)
[ИАД, automne 2025] Modèles thématiques probabilistes. Conférence 12


Comment entraîner des agents collaboratifs multi-agents avec l'apprentissage par renforcement (CTDE expliqué)
![[ИАД, осень 2025] Вероятностные тематические модели. Лекция 11](https://i.ytimg.com/vi/d87zESF20K8/sddefault.jpg)
[ИАД, automne 2025] Modèles thématiques probabilistes. Cours 11
![[ИАД, осень 2025] Foundational models for spatial-time series. Занятие 8](https://i.ytimg.com/vi/VccbYbZc4Ow/sddefault.jpg)
[IAD, automne 2025] Modèles fondateurs pour séries temporelles spatiales. Cours 8

OpenAI vient de faire passer ses agents d'IA n8n au niveau supérieur (voici comment ça fonctionne)


Comprendre les modèles de raisonnement hiérarchique miniatures

Groupe d'étude des bases du ML Réunion des semaines 5 et 6




![[ИАД, осень 2025] Математические методы прогнозирования. Лекция 8](https://i.ytimg.com/vi/TwkRbkaRlKo/sddefault.jpg)
[ИАД, осень 2025] Méthodes mathématiques de prévision. Conférence 8

The Thinking Game | Documentaire complet | Sélection officielle du Festival du film de Tribeca

La nouvelle recherche de fichiers de Gemini vient de faire passer les agents RAG au niveau supérieur (10x moins cher)



Apprentissage automatique fiable pour la découverte astrophysique


Gal Vardi - Une théorie de l'apprentissage avec chaîne de pensée autorégressive (Heb)