No chapters are available for this episode.
Source: https://arxiv.org/abs/2506.11103
Ce document scientifique, disponible sur arXiv.org, présente une nouvelle approche appelée Many-Shot In-Context Fine-tuning (ManyICL) pour les grands modèles linguistiques (LLM). L’article, intitulé “You Only Fine-tune Once: Many-Shot In-Context Fine-Tuning for Large Language Model”, est rédigé par Wenchong He et ses collaborateurs. Il explore comment ManyICL améliore la performance des LLM sur diverses tâches, telles que la classification et la synthèse, en utilisant de nombreux exemples contextuels comme cibles d’apprentissage, comblant ainsi l’écart avec le fine-tuning dédié tout en atténuant l’oubli catastrophique. Le travail est classé dans le domaine de l’informatique, plus précisément le calcul et le langage, et le code associé sera rendu public.