INTOSYN AI Lab — Division Recherche IA

Vers une AGI fiable et contrôlable

Nous étudions comment les systèmes intelligents décident, quand leur faire confiance et comment les vérifier et les corriger. Cinq projets en cours transforment ces questions en hypothèses et en expériences vérifiables.

Explorer nos recherches→ Participer à la recherche

Projets en cours

Théorie × Expériences

Des questions aux hypothèses vérifiables

GPU

Calcul pour la recherche

En dialogue avec ces communautés scientifiques

Nature
Science
NeurIPS
ICML
ICLR
CVPR
ICCV
ECCV
ACL
EMNLP
AAAI
IJCAI

NOTRE APPROCHE

Des questions claires. Une recherche rigoureuse.

Partir d’hypothèses vérifiables

Décomposer la confiance et le contrôle en questions précises, avec des hypothèses explicites et des éléments susceptibles de les remettre en cause.

Comparer à des alternatives pertinentes

Concevoir des évaluations avec des références, des comparaisons contrôlées et des cas d’échec. Distinguer observations, hypothèses et limites.

Relier théorie et systèmes exécutables

Utiliser les agents, la recherche financière, la génération de séquences, la cryo-EM et la CAO pour éprouver les méthodes sur des tâches concrètes.

RECHERCHES EN COURS

Cinq projets. Cinq questions ouvertes.

Du changement de modèle à la validation scientifique, une question relie nos travaux : comment comprendre les systèmes intelligents et intervenir sur la base de preuves ?

CommitGate

Agent / LLMEn cours

State AbstractionCounterfactual EvaluationModel Routing

La progression résiste-t-elle à un changement de modèle ?

Changer de modèle peut modifier les actions d’un agent sans nécessairement changer le résultat de la tâche. CommitGate étudie les états qui déterminent cette différence et la possibilité de la prévoir sans réexécution complète.

Méthode et évaluation

Méthode de recherche

Étudier des abstractions d’état au-delà des journaux d’actions et comparer des continuations après des substitutions contrôlées de modèles pour caractériser l’équivalence des résultats.

Points à évaluer

Comparer les prédictions à des réexécutions complètes selon les tâches, les points de changement et les paires de modèles ; identifier les cas d’équivalence et d’échec.

BITBUDGET

Adaptive InferenceEn cours

Adaptive Data AnalysisGeneralizationInformation Budget

Quelle quantité d’information de validation la recherche consomme-t-elle ?

La recherche adaptative réutilise les retours des mêmes données pour affiner ses hypothèses. Le nombre d’essais ne suffit pas toujours à mesurer cette dépendance. BITBUDGET en étudie le lien avec les performances hors échantillon.

Méthode et évaluation

Méthode de recherche

Caractériser l’information propre aux données de validation absorbée par l’hypothèse finale. Utiliser la recherche financière pour comparer les budgets d’information selon les mécanismes de retour et les stratégies de recherche.

Points à évaluer

Vérifier si ces estimations expliquent les écarts de généralisation entre stratégies et prédisent la dégradation des performances selon les périodes et les marchés.

RONDO

AlignmentEn cours

Credit AssignmentWeak SupervisionCounterfactual Intervention

Les préférences globales révèlent-elles les contributions locales ?

Une note globale ne révèle pas directement quelle partie d’une longue séquence en détermine la qualité. RONDO étudie l’attribution des contributions temporelles à partir de préférences et d’interventions locales, sans annotations denses par segment.

Méthode et évaluation

Méthode de recherche

Comparer les séquences originales à des modifications ciblées. Partir de la structure musicale pour étudier les hypothèses permettant d’identifier les contributions locales.

Points à évaluer

Confronter la localisation à des informations structurelles indépendantes, vérifier l’effet des corrections locales sur les préférences globales et étudier les conditions de transfert à d’autres séquences longues.

CryoMender

AI for ScienceEn cours

Surrogate ModelingCalibrationCryo-EM

Quand peut-on faire confiance à un évaluateur peu coûteux ?

CryoMender étudie les corrections locales de modèles atomiques issus de données de cryo-EM. Le projet explore l’usage de modèles de substitution pour filtrer les candidats, limiter les validations coûteuses et repérer les cas nécessitant une vérification approfondie.

Méthode et évaluation

Méthode de recherche

Associer classement des candidats, estimation d’incertitude et calibration pour consacrer un budget limité de validation physique et géométrique aux corrections incertaines.

Points à évaluer

Évaluer conjointement le coût, la qualité des corrections et le risque d’acceptation erronée, notamment lors de changements de résolution ou de distribution.

ReproWorld

World ModelEn cours

Causal LocalizationExecutable ProgramsMinimal Repair

Un échec de construction révèle-t-il la première étape fautive ?

Les erreurs précoces d’une construction CAO paramétrique peuvent se propager aux étapes dépendantes. ReproWorld étudie leur localisation causale et la restauration de l’exécution en modifiant le moins d’opérations possible.

Méthode et évaluation

Méthode de recherche

Traiter les historiques de construction comme des programmes exécutables. Utiliser des interventions par étape pour étudier la propagation des erreurs, leur localisation causale et les corrections minimales tenant compte des dépendances.

Points à évaluer

Comparer à une régénération complète selon le coût d’exécution, l’étendue des modifications, la correction du résultat et le maintien des contraintes et de l’éditabilité.

Infrastructure

Du calcul pour des expériences reproductibles

Réunir entraînement, simulation et évaluation dans des environnements cohérents pour comparer et examiner les configurations, les exécutions et les résultats.

Calcul GPU

Des ressources pour l’entraînement, l’inférence et l’évaluation scientifique.

Expériences distribuées

Des nœuds interconnectés pour les tâches parallèles et l’entraînement distribué.

Données et artefacts expérimentaux

Du stockage pour les jeux de données, les points de contrôle et les journaux d’exécution.

Outils de recherche

Des outils PyTorch, JAX et CUDA, avec des environnements adaptés aux projets.

Exemple de flux de calcul scientifique

Partons d’une question claire. Construisons les preuves ensemble.

Choisissez un projet et présentez votre expérience ou un travail personnel. Échangeons sur la question de recherche, les méthodes possibles et votre disponibilité.