Gen Learning Center

L'objectif du Gen Learn Center est de mener des recherches de pointe sur l'apprentissage machine génératif et d'aider les collaborateurs, les étudiants et les partenaires de la HES-SO à mieux les comprendre et les utiliser.

En plus des activités de recherche directe sur les LLM, le Gen Learn Center fournit également un point de convergence pour les collaborateurs et partenaires de la HES-SO intéressés par l'introduction des LLM dans leur recherche, leur enseignement ou leurs opérations.

Etant donné la nouveauté des LLMs largement accessibles, ce domaine est en évolution rapide, et nous recherchons des partenaires pour aider à développer les meilleures pratiques pour le développement et l'utilisation des LLMs ensemble.

N'hésitez pas à nous contacter si vous souhaitez collaborer !

Nos axes de recherche actuals: 

• Recherche fondamentale sur les modèles ML génératifs et les LLM :
  • Compromis entre la confidentialité, la robustesse, les capacités de généralisation et l'efficacité des données.
  • Méthodes formelles de représentation des entrées et sorties des modèles génératifs
  • Interaction et coordination des LLM en tant que modules évolutifs d'applications dynamiques
• Apprentissage génératif en matière de cybersécurité, de cyberdéfense et de soins de santé :
  • Vulnérabilité des LLM à l'effraction (Jailbreaking)
  • Vulnérabilité du code généré par les LLM
  • Adéquation des LLM aux opérations de desinformation en Suisse
  • Raffinement des LLM pour l'interaction directe avec les patients
• Fourniture d'une capacité d'expérimentation aux professeurs et aux étudiants :
  • Sur place
  • Avec des modèles dont les capacités et les modes de défaillance sont bien compris.
• Validation et perfectionnement des LLM pour :
  • Adhésion aux normes sociales
  • Alignement sur les valeurs de la Suisse, de la HES-SO et des domaines d'application
  • Comportements acceptables
  • Applications spécifiques
• Assurance qualité des modèles de tiers pour :
  • Biais
  • Échappatoires au mode "bac à sable" 
  • Données d'entraînement utilisées
• Raffinement des LLM pour des applications spécifiques :
  • Recherche
  • Capacités internes
  • Enseignement

E-mails de contact :

• Andrei Kucharavy 
• Dimitri Percia-David