JohnNuwan/EVA_CORE - Page 14

plc-testing-cicd

Concevoir des tests unitaires et pipelines CI/CD pour PLC.

deep-learning-frameworks

Programmer sous PyTorch, TensorFlow, JAX et Diffusers.

shop-app

Shop.app: product search, order tracking, returns, reorder.

Langue du texte source : anglais

arbor-optimization

Optimisation autonome par arbre d'hypothèses.

julia-programming

Programmer en Julia pour le calcul scientifique.

siemens-openness

Automatiser TIA Portal avec Openness via C# et Python.

combining-industry40-security-iso

Intégrer les normes ISO (9001, 14001, 45001) avec la cybersécurité OT (IEC 62443) et les systèmes connectés de l'Industrie 4.0 dans une méthodologie unifiée.

agent-knowledge-gap-resolution

Combler les lacunes de connaissance par recherche web.

agent-workflow-memory

Analyser, extraire et réutiliser des patrons de flux de travail (workflows) à partir de traces d'exécution de l'agent.

agentic-data-scientist

Concevoir des jeux de données d'entraînement synthétiques par boucle agentique fermée (Agentic Self-Instruct).

agentic-systems-design

Concevoir et implémenter des systèmes multi-agents autonomes pour l'industrie 4.0 et l'optimisation des processus.

agents-last-exam

Évaluer et tester les limites de raisonnement et de planification à long terme des agents autonomes sous contraintes de changements dynamiques d'environnement.

autonomous-agent-evolution-strategy

Définir et exécuter une stratégie d'évolution des capacités des agents autonomes : outils, protocoles MCP, compétences, algorithmes et frameworks d'adaptation.

claude-code

Delegate coding to Claude Code CLI (features, PRs).

Langue du texte source : anglais

codex

Déléguer des tâches de code à OpenAI Codex CLI.

crafter-a-multi-agent-harness-for

Coordonner un collectif d'agents spécialisés (dessinateurs, critiques, éditeurs) pour la génération et l'édition collaborative de schémas vectoriels.

dockerless-environment-free-program

Vérifier la validité de correctifs de code sans environnement d'exécution (Dockerless) par analyse de preuves sémantiques.

experiential-self-improvement

Optimiser continuellement les performances de l'agent par analyse d'erreurs d'exécution (taxonomie SAMULE) et auto-amélioration.

eva-agent-mcp-development

Développer des serveurs Model Context Protocol (MCP) personnalisés pour EVA Agent.

eva-agent

Configure, extend, or contribute to EVA Agent.

Langue du texte source : anglais

eva-repo-extension-patterns

Guide pour étendre le dépôt EVA via des MCP et plugins.

eva-troubleshooting

Diagnostic des blocages M2A, configuration et lenteurs.

industrial-anomaly-detection-agent

Détection d'anomalies industrielles en vocabulaire ouvert.

llm-wiki-knowledge-base

Base de connaissances interconnectée par documents Markdown.

memory-is-reconstructed-not-retrieved

Reconstruction de mémoire par graphe Cue-Tag-Content.

mopd-multi-teacher-on-policy

Mettre en œuvre la distillation multi-enseignants On-Policy (MOPD) pour fusionner des compétences LLM spécialisées sans biais d'exposition.

multi-agent-systems-exploration

Explorer, concevoir et implémenter des systèmes multi-agents (MAS) pour l'automatisation industrielle distribuée et la coordination de production en Industrie 4.0.

nopa-non-parametric-online-3d-scene

Générer en temps réel des graphes de scènes 3D via des distributions non-paramétriques (particle sets) et fusion robuste par divergences MMD.

on-the-scaling-of-peft-towards-million

Optimiser le routage et le passage à l'échelle de millions d'adaptateurs LoRA personnalisés (PEFT) avec cache de signatures d'experts sur GPUs distribués.

opencode

Delegate coding to OpenCode CLI (features, PR review).

Langue du texte source : anglais

perceptionrubrics-calibrating

Calibrer et évaluer les modèles d'IA par audits sémantiques atomiques (rubriques Must-Right / Easy-Wrong) et score binaire à porte logique (Gated Scoring).

personalization-as-inverse-planning

Concevoir des agents de génération de diaporamas via planification inverse (PSP) et apprentissage par renforcement (RL) avec réduction de variance de gradient.

retrospective-harness-optimization

Mettre en œuvre l'optimisation rétrospective du harnais (RHO) pour améliorer l'agent via auto-préférence sur des rollouts de trajectoires.

spatialclaw-rethinking-action-interface

Mettre en œuvre SpatialClaw pour le raisonnement spatial agentique 3D via un interpréteur Python d'outils géométriques.

when-llms-read-tables-carelessly

Réduction des erreurs de données tabulaires (DRE) en IA.

ai-foundations-exploration

Explorer les concepts fondamentaux de l'intelligence artificielle : apprentissage automatique, NLP, vision par ordinateur et systèmes experts pour des applications industrielles.

calibrated-mixture-of-experts-distribution-shift

Implémenter et calibrer des modèles Mixture-of-Experts (MoE) robustes aux changements de distribution, avec routage dur/doux et rééquilibrage adverse.

jepa-joint-embedding-predictive

Architecture JEPA et applications de vision industrielle.

jepa-to-production

Mise en production de modèles EB-JEPA avec Docker.

lie-algebra-based-agent-attention

Implémenter des mécanismes d'attention pour agents utilisant l'algèbre de Lie sur des groupes de matrices (SE(2), SO(3)) pour améliorer l'efficacité et la précision des modèles géométriques.