Maison
Outils
Modèles
Appliquer
Prompts
Nouvelles
Thèmes
Soumettre pour inclusion
Français
English 日本語 한국어 Português español Deutsch Русский Français 繁體中文 简体中文
option
Maison Fermer
Maison
Outils
Catégorie Classement Générer la couverture Générer une image Skill
Modèles
Grand modèle de langage Modèle multimodal
Appliquer
Prompts
Prompts Prompts d’image
Nouvelles
Nouvelles Flash info
Thèmes
Soumettre pour inclusion
Soumettre une App Soumettre un outil
Créer un compte Se connecter
Changer la langue Français Changer la langue
Paramètres
English EN 日本語 JA 한국어 KO Português PT español ES Deutsch DE Русский RU Français FR 繁體中文 ZH-TW 简体中文 ZH-CN
Maison
Flash info
Contenu
JackCarter
JackCarter
24 septembre 2025

AfriMed-QA présente un ensemble de données panafricain d'assurance qualité médicale comprenant plus de 15 000 questions dans 16 pays, évaluant 30 LLM pour la précision des soins de santé localisés. Développé avec plus de 60 écoles de médecine, il soutient l'IA équitable dans les environnements à faibles ressources tout en exposant les lacunes dans la généralisation des modèles. L'ensemble des données et le classement sont en libre accès.

AfriMed-QA présente un ensemble de données panafricain d'assurance qualité médicale comprenant plus de 15 000 questions dans 16 pays, évaluant 30 LLM pour la précision des soins de santé localisés. Développé avec plus de 60 écoles de médecine, il soutient l'IA équitable dans les environnements à faibles ressources tout en exposant les lacunes dans la généralisation des modèles. L'ensemble des données et le classement sont en libre accès. AfriMed-QA présente un ensemble de données panafricain d'assurance qualité médicale comprenant plus de 15 000 questions dans 16 pays, évaluant 30 LLM pour la précision des soins de santé localisés. Développé avec plus de 60 écoles de médecine, il soutient l'IA équitable dans les environnements à faibles ressources tout en exposant les lacunes dans la généralisation des modèles. L'ensemble des données et le classement sont en libre accès. AfriMed-QA présente un ensemble de données panafricain d'assurance qualité médicale comprenant plus de 15 000 questions dans 16 pays, évaluant 30 LLM pour la précision des soins de santé localisés. Développé avec plus de 60 écoles de médecine, il soutient l'IA équitable dans les environnements à faibles ressources tout en exposant les lacunes dans la généralisation des modèles. L'ensemble des données et le classement sont en libre accès. AfriMed-QA présente un ensemble de données panafricain d'assurance qualité médicale comprenant plus de 15 000 questions dans 16 pays, évaluant 30 LLM pour la précision des soins de santé localisés. Développé avec plus de 60 écoles de médecine, il soutient l'IA équitable dans les environnements à faibles ressources tout en exposant les lacunes dans la généralisation des modèles. L'ensemble des données et le classement sont en libre accès.
0
0
Partager Cliquez pour copier le lien
commentaires (0)
0/300
Soumettre
Auteur PaulLopez PaulLopez 16 septembre 2026
Le modèle d'IA open source Qwen3.8-27B du laboratoire Tongyi d'Alibaba est devenu le modèle d'IA open source le plus populaire sur Hugging Face, surpassant FLUX.1, DeepSeek-R1, Kimi-K3 et Meta-Llama-3. Le classement est basé sur les « j'aime » des développeurs plutôt que sur les benchmarks ou la taille, et cette réalisation met en évidence la praticité supérieure, la facilité d'utilisation et la forte réputation communautaire de Qwen3.8-27B en tant que premier modèle open source mondial.
0
0
Auteur GaryPerez GaryPerez 16 septembre 2026
iFLYTEK a publié Spark-Audio-1.0-Preview, un modèle de base pour la parole entraîné sur une puissance de calcul entièrement nationale. Contrairement aux systèmes en cascade traditionnels qui convertissent la parole en texte, ce modèle comprend directement l’audio, en captant les sémantiques, les émotions et les sons ambiants. Conçu avec un encodeur audio de 0,65 milliard de paramètres et un LLM de 30 milliards de paramètres (architecture A3B), il prend en charge 99 langues et 202 dialectes. Il surpasse ses concurrents dans des environnements bruyants et atteint l’état de l’art (SOTA) en reconnaissance chinois-anglais. Le modèle permet des tâches telles que l’analyse des sentiments et des questions-réponses complexes, marquant un passage de la transcription à une véritable compréhension audio. L’accès par API sera disponible ultérieurement via la plateforme ouverte iFLYTEK.
0
0
/fr/live/7377
Auteur EricMartin EricMartin 16 septembre 2026
Nubia lance le NaviX Ultra, le premier smartphone à agent IA produit en masse propulsé par Dou Bao. Les fonctionnalités clés incluent un bouton d’empreinte digitale IA, un modèle vocal complet à double sens (Seed) prenant en charge les dialectes, l’exécution autonome de tâches complexes et des fonctions de mémoire personnelle. L’appareil permet une interaction continue, des opérations en chaîne longue et des services IA sécurisés et autorisés, marquant le passage des prototypes aux téléphones commerciaux dotés d’intelligence artificielle.
0
0
/fr/live/7376
Auteur MarkSmith MarkSmith 16 septembre 2026
Cloudflare a introduit Disallow AI Training, permettant aux administrateurs de site de bloquer les robots d’indexation des IA tout en conservant ceux des moteurs de recherche. Apple, Google et Microsoft se sont engagés à respecter cette mesure. L’outil distingue les robots mixtes responsables des autres, avec une migration automatique pour la plupart des clients existants. Google lancera prochainement un outil de transparence, Apple développe un outil similaire au niveau des URL, et Microsoft prévoit de prendre en charge le rejet via robots.txt pour l’entraînement des IA d’ici début 2027.
0
0
Auteur GeorgeSmith GeorgeSmith 16 septembre 2026
Anthropic a conclu son premier bail pour un centre de données en Australie, réservant une capacité de 2,16 gigawatts dans une installation située à 250 km de Brisbane. Prévu pour entrer en service en 2027, ce mouvement suit celui d'OpenAI en Océanie, mettant en évidence la demande croissante en puissance de calcul pour Claude. Cette expansion vise à diversifier l'infrastructure géographique dédiée à l'entraînement et à l'inférence, en tirant parti des ressources locales telles que l'électricité et les terrains pour répondre aux besoins computationnels en forte augmentation du géant de l'intelligence artificielle.
0
0
OR