Grâce à la résurgence de l'apprentissage par renforcement, les LLMs sont enfin capables de coordonner de manière fiable des outils et un raisonnement pour effectuer des récupérations de haute précision. Des entreprises comme Happenstance, Clado et Mintlify ont déjà fait le saut vers la recherche agentique, et ce n'est qu'une question de temps avant que tout ce qui est moins ne semble cassé aux utilisateurs.

Grande nouvelle : je rejoins @inference_net en tant qu'ingénieur/chercheur en apprentissage automatique. Un immense merci à tous ceux qui ont fait partie de ce parcours : • @Teknium1 ma plus grande inspiration, son travail chez Nous m'a poussé en avant. • @TroyQuasar d'avoir été là à travers les épreuves. • Et à tout mon réseau, votre soutien signifie tout. Je ne l'oublierai pas. Reconnaissant envers vous tous.

Présentation des modèles Awesome Open Workhorse, une collection soigneusement sélectionnée de petits modèles de langage (SLMs) qui ont réellement été adoptés par les entreprises. Vous avez probablement entendu le battage médiatique sur l'utilité des SLMs, et comment 'ils sont l'avenir'. Mais qu'est-ce que cela signifie réellement ? Quels sont les modèles que les entreprises utilisent réellement pour résoudre leurs problèmes de manière moins coûteuse, plus rapide ou plus précise que les LLMs de pointe ? J'ai assemblé une liste de petits modèles que je sais être utilisés en production, et j'ai inclus des preuves qu'ils sont utilisés pour résoudre des problèmes du monde réel. Si vous utilisez un SLM en production, n'hésitez pas à me contacter, ou mieux encore, soumettez une PR ! Mon objectif est de faire de cette collection la meilleure des petits modèles réellement utiles, car les téléchargements HF ne sont tout simplement pas un indicateur efficace de la qualité d'un modèle.