Nos derniers articles

Cet article évalue la robustesse d'agents de cyberdéfense autonomes face au passage à l'échelle (jusqu'à 1 010 hôtes) sans réentraînement. Là où l'apprentissage par renforcement (RL) s'effondre en raison d'un sur-couplage à la topologie d'origine, les grands modèles de langage (LLM) à poids gelés (frozen) surmontent cette limite.

Toutefois, utiliser un LLM pour la seule planification stratégique (LLM+RL) échoue car l'exécuteur RL reste un goulot d'étranglement. Seule une architecture intégralement pilotée par LLM (LLM+LLM) garantit l'invariance d'échelle. Les grands modèles généralistes (70B) surpassent les modèles spécialisés, dont le fine-tuning altère parfois le raisonnement logique global.

The book divides into four parts. Part I introduces machine learning in finance, tracing its history. Part II covers practical aspects like model implementation, laden with formulas. Part III details supervised, unsupervised, and reinforcement learning in asset management with case studies. Part IV tackles ethics, regulations, risk, and future trends, aiming for a holistic understanding.