Article Dans Une Revue Revue des Nouvelles Technologies de l'Information Année : 2025

Développement collaboratif d'outils par des agents LLM et humains pour résoudre des problèmes complexes : application à la synthèse scientifique

Résumé

Cette démonstration présente une architecture collaborative pour le développement itératif d'outils neuro-symboliques utilisant modèles de langage (LLM) et intervention humaine pour la synthèse scientifique. L'approche se concentre sur l'apprentissage de génération de contenus structurés, tels que des articles de recherche ou des brevets, à partir d'un titre et d'un résumé initiaux. Le processus d'apptentissage intègre quatre agents LLM principaux (Coach, Développeur, Critique, Capitaliseur) dans une boucle de feedback humain afin d'améliorer continuellement les performances des outils. Les contributions clés incluent : (1) un cadre d'apprentissage itératif combinant distances sémantiques automatisées et feedback humain ; (2) une collaboration homme-LLM pour générer et valider des fonctions Python neuro-symboliques adaptées à des tâches complexes ; (3) l'adaptation et l'extension à différents types de contenus (articles scientifiques, brevets, synthèses).

Fichier principal
Vignette du fichier
EGC_2025_paper_8602.pdf (532.16 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05173798 , version 1 (21-07-2025)

Licence

Identifiants

  • HAL Id : hal-05173798 , version 1

Citer

Xavier Daull, Elisabeth Murisasco, Patrice Bellot, Emmanuel Bruno, Vincent Martin. Développement collaboratif d'outils par des agents LLM et humains pour résoudre des problèmes complexes : application à la synthèse scientifique. Revue des Nouvelles Technologies de l'Information, 2025, RNTI-E-41, pp.583-590. ⟨hal-05173798⟩
72 Consultations
83 Téléchargements

Partager

  • More