David ING

+ Conçu des modèles axiomatiques à partir de LLMs (Qwen, Llama, Mistral) pour l’argumentation en langage naturel via fine-tuning et prompt engineering + Effectué le fine-tuning de LLMs sur plusieurs GPU dans un environnement HPC + Testé et validé les modèles proposés sur des benchmarks standards à l’aide d’une évaluation objective et empirique + Publié ces résultats dans des conférences internationales de premier plan

+ Traduit les questions d’experts en migration en problématiques d’IA/NLP en créant un corpus d’entraînement sur la migration + Analysé des données textuelles, en se focalisant sur l’intertextualité entre des textes de différents domaines à l’aide de Sentence-BERT + Réalisé l’instruction tuning de LLMs afin d’améliorer la similarité textuelle pour les textes de migration + Comparé les scores de similarité de Sentence-BERT et des LLMs fine-tunés aux évaluations d’experts humains + Publié ces résultats dans des conférences internationales de premier plan