For this 3rd edition, we will dive into domain-specific modeling and RAG benchmarking !

The LLM Pro Finance Suite: Multilingual Large Language Models for Financial Applications
by Raheel Qader, Head of R&D and Gaëtan Caillaut, AI Researcher – DragonLLM.

Abstract: The financial industry’s growing demand for advanced natural language processing (NLP) capabilities has highlighted the limitations of generalist large language models (LLMs) in handling domain-specific financial tasks. To address this gap, we introduce the LLM Pro Finance Suite, a collection of five instruction-tuned LLMs (ranging from 8B to 70B parameters) specifically designed for financial applications. Our approach focuses on enhancing generalist instruction-tuned models, leveraging their existing strengths in instruction following, reasoning, and toxicity control, while fine-tuning them on a curated, high-quality financial corpus comprising over 50% finance-related data in English, French, and German […]

Check out the full paper on Arxiv
Check out the models on their HuggingFace collections:
– LLM Open Finance  (open-source)
– LLM Pro Finance

​ViDoRe V3: A Comprehensive Evaluation of Retrieval Augmented Generation in Complex Real-World Scenarios ​
by Quentin Macé et Antoine Edy, data scientists – ILLUIN Technology.

​Abstract: Retrieval-Augmented Generation (RAG) pipelines must address challenges beyond simple single-document retrieval, such as interpreting visual elements (tables, charts, images), synthesizing information across documents, and providing accurate source grounding. Existing benchmarks fail to capture this complexity, often focusing on textual data, single-document comprehension, or evaluating retrieval and generation in isolation. We introduce ViDoRe v3, a comprehensive multimodal RAG benchmark featuring multi-type queries over visually rich document corpora. It covers 10 datasets across diverse professional domains, comprising ~26,000 document pages paired with 3,099 human-verified queries, each available in 6 languages […]

​Check out the full paper on Arxiv
Test the benchmark yourself on their HuggingFace Space.

Retrouvez plus d’informations sur le challenge ainsi que le jeu de données proposé aux participants sur ce repo GitHub.

Exposé des solutions gagnantes

Pour ce retour d’expérience, nous avons convié les 4 équipes lauréates à venir présenter et expliquer leurs solutions.

On y discutera notamment d’agents, de RAG, de graphes de connaissances … et de démos !

Vincent Coyette, Research Engineer in Applied AI @ InstaDeep – Jean Lelong, data scientist and Annabelle Blangero, lead of Responsible AI @ Ekimetrics.

Neurons & Peppers is THE State of the art AI Research meetup
in Paris! 🇫🇷

For this second edition of N&P hosted by Ekimetrics, we will dive into the following papers :

Agentic RAG with Knowledge Graphs for Complex Multi-Hop Reasoning in Real-World Applications
by Jean Lelong, data scientist and Annabelle Blangero, lead of Responsible AI @ Ekimetrics.

Reinforcement Learning-based Train Rescheduling on Event Graphs
by Vincent Coyette, Research Engineer in Applied AI @ InstaDeep.

​​Presentations (in english) will be followed by food & drinks 🌶️

Participez à un hackathon d’IA générative d’exception dans l’un des plus beaux lieux du patrimoine français : le château de Versailles !

Les clefs de Versailles – Agentic Hackathon au Château est un challenge de 2 jours réunissant des ingénieurs et chercheurs experts dans les dernières technologies d’IA générative.
Cette compétition vise à répondre à une problématique inhérente au Château : la difficulté pour les visiteurs de créer un parcours de visite personnalisé tant le nombre de lieux dits et d’informations présents sur le site sont importants.
La période de la visite, sa durée, la météo, l’affluence, les horaires d’ouverture, le profil des visiteurs, leurs visites antérieures, la présence d’enfants, le budget : tous ces paramètres rendent la planification d’une visite difficile et couteuse en temps.
Pour palier ce problème, les participants devront concevoir un système permettant de planifier un parcours à partir d’une requête en langage naturel. Ils s’appuieront sur les dernières technologies d’IA générative : RAG, Agents, MCP, … Libre à eux de mettre au point la solution la plus innovante.

Un jury d’exception annoncera les résultats dans la splendide salle des Croisades, où les prix seront remis aux équipes gagnantes.

Le nombre de places étant limité, toute inscription est soumise à validation par les équipes de datacraft. Seul le mail de confirmation de participation fait foi d’inscription.

Tous les participants validés recevront un pass de visite du Château en amont du challenge, pour permettre à chacun d’expérimenter la richesse et la complexité du lieu et ainsi mieux appréhender les défis liés à la planification d’une visite.

Inscrivez-vous vite !

**Informations pratiques : **

• 52 participants – équipes de 4 personnes
• Jour 1 : 8h30 – 20h, Jour 2 : 9h – 22h
• Matériel personnel requis (ordinateurs, chargeurs).

Des mentors experts seront présents pour accompagner les participants tout au long du hackathon – ILLUIN Technology, Mistral AI, Wavestone

​Le RAG rencontre encore des difficultés dans les environnements B2B complexes, notamment lorsqu’il s’agit de vastes bases de documents.

​En conséquence, les agents IA qui dépendent du RAG ne sont pas toujours fiables, et de nombreux utilisateurs ne leur font pas confiance.

​C’est ce problème que Laive.ai a décidé d’aborder : améliorer les systèmes RAG afin d’accroître la pertinence des données d’entrée des agents IA.

​Le principal défi qu’ils traitent est la faible pertinence des segments de texte (chunks) récupérés lorsque la similarité est effectuée sur une base de documents très volumineuse, ce qui est fréquent dans les cas d’usage B2B.

​Lors de cet atelier, ils présenteront les différentes techniques de retrieval agentique sur lesquelles ils travaillent afin d’améliorer la fiabilité, et notamment:

– ​Différentes architectures selon le type de documents et les cas d’usage.
​- Plus de métadonnées sauvegardées lors de l’ingestion / indexation des segments de documents.
– ​Analyse des liens logiques entre les documents, afin de mieux comprendre la structure de la base documentaire (par exemple via des graphes).
– ​Pré-filtrage des données embarquées avant la recherche
​… et bien plus encore!

​Ils présenteront également plusieurs cas d’usage et les premiers tests qu’ils ont réalisés.

​En raison d’un nombre de places limité, les places sur site seront prioritairement allouées aux membres du club datacraft.

2412-Vespa-VectorSearch

In this workshop, we will dive in Vector Databases using Vespa, an open-source search engine and vector/tensor DB used in various major projects such as Spotify or Vinted recommandation system. The objective is to give participants tools to work on various use-cases form E-commerce search to recommendations and RAG.

The workshop is made of 6 main chapters :

• Introduction: 10km view of the use-cases and anti-use-cases for Vespa and why. Lab will be centered around CRUD
• Lexical Search: query syntax, boolean clauses, ranking for product search
• Grouping: facets for data exploration on sales data and result diversification
• Tensors: use tensor math for recommendations and vector search on an E-commerce dataset
• Hybrid Search: generate embeddings on the fly; use RRF; implement RAG
• Performance and scaling: intro to how Vespa scales; typical performance bottlenecks

Each chapter is composed of :

•  a short introduction to the topic
• a lab that will be solved in small groups, working on a pre-defined dataset
• a debriefing with the large group
• short wrap-up

Warning : Even though online attendance is opened for this event, we highly encourage participants to attend on site to get the most out of this event (participants will form groups and work together during the workshop).