3149 articles
Un développeur teste la taille minimale d'un modèle pour orchestrer une boucle ReAct locale. Qwen3.6-35B-A3B (MoE, ~3B actifs) est son seuil : en dessous, le modèle invente des paramètres d'outils ou généralise mal les appels. Il améliore la précision en exposant les signatures exactes dans le prompt système.
BeeLlama v0.2.0 améliore significativement les performances avec DFlash. Sur RTX 3090 : Qwen 3.6 27B atteint 164 tps (4.40x speedup), Gemma 4 31B 177.8 tps (4.93x). Support complet Gemma 4 31B, réduction overhead DFlash, meilleure gestion prefill et validation draft/target.
Microsoft abandonne Claude Code suite à un dépassement budgétaire. Le service, intégré à Copilot, n'a pas atteint les objectifs de rentabilité fixés par l'entreprise.
DeepSeek lève environ 10 milliards de dollars, valorisant la startup chinoise à 45 milliards. Le fondateur Liang Wenfeng déclare aux investisseurs que la recherche AGI prime sur les profits à court terme.
OpenAI lance Appshots, une fonctionnalité macOS permettant d'envoyer le contenu de n'importe quelle fenêtre d'application à Codex en un clic. Codex reçoit ainsi le contexte nécessaire pour accomplir des tâches de programmation.
Entraînement d'un détecteur d'injection de prompt avec ml-intern et DeepSeek v4 Flash. DistilBERT atteint F1 99%, compressé en ONNX int8 (~65 MB), exécutable en navigateur via Transformers.js v3. Coût total <$5 via API DeepSeek.
Meta lance Forum, une application de discussions communautaires rivale de Reddit, intégrant des réponses générées par IA pour revitaliser les groupes Facebook.
ByteShape propose une quantification CPU-5 pour Qwen3.6-35B-A3B offrant 30% plus rapide en génération de texte que Unsloth UD-IQ4_XS sur GPU laptop 6GB VRAM, avec légère perte en vitesse de pré-remplissage. Test sur RTX 3060 avec contexte 65536 tokens.
Fork expérimental de llama.cpp optimisant les MoE pour GPU 12GB VRAM. L'auteur charge sélectivement les experts en VRAM plutôt que des couches complètes, atteignant 26 tk/s sur RTX 2060 (vs 19 tk/s standard) avec taux de hit de 62%. Cherche testeurs sur 3060/4060.
Benchmark de quantization sur Qwen3-Coder-Next avec 3× R9700 PRO. UD-Q5_K_M surpasse MXFP4_MOE sur tous les métriques qualité (94% vs 89.4% top-1 accuracy, KL divergence 0.0217 vs 0.0746) avec pénalité vitesse négligeable (~10% en decode). L'approche de précision dynamique d'Unsloth réduit exponentiellement les erreurs cumulatives sur sorties longues.
Nouvelle quantization Qwen-27B-IQ4_KS optimisée pour GPU NVIDIA 16GB via ik_llama.cpp. Modèle de 14.1GB offrant performances comparables à IQ4_XS précédent, 1.5-1.75x plus rapide, fenêtre contexte 105k tokens. Tests: Needle In Haystack 100k réussi, perplexité 71.10.
Hugging Face argue que la spécialisation des modèles IA surpasse l'échelle brute dans les décisions d'achat. Les organisations privilégient souvent les grands modèles généralistes, ignorant que des modèles spécialisés plus petits offrent meilleure performance et coûts réduits pour des tâches spécifiques.
Utilisateur teste Qwen 3.6 27B et 35B avec différentes techniques d'optimisation (MTP vs ngram-mod). Résultat : MTP dégrade les performances sur sa tâche de génération de code React, tandis que ngram-mod maintient la qualité. Configuration : Qwen 27B Q6_K + Qwen 35B Q8 sur dual GPU 16GB+12GB.
Clonage de la voix de Rocky (Project Hail Mary) en deux jours via pipeline open-source. Extraction audio (ffmpeg + demucs), transcription (Whisper), diarization (pyannote), puis entraînement RVC v2 sur 2:10 min audio. Modèle .pth (55MB) et code publics. Comparaison XTTS v2 / YourTTS / RVC v2 / OpenVoice v2.
OpenAI a généré 5,7 milliards de dollars de revenus au Q1 2026 mais a perdu 1,22 dollar par dollar gagné, avec une marge opérationnelle ajustée de -122%.
OpenBMB présente BitCPM-CANN, un modèle quantifié à 1,58 bit. Tests en cours sur accélérateurs Huawei Ascend 910B.
Le gouverneur de Californie a signé le premier décret exécutif d'un gouverneur américain visant à protéger les travailleurs contre les pertes d'emploi liées à l'IA.
llama.cpp supporte les caches KV asymétriques (q8/q4) mais génère actuellement du traitement CPU au lieu de GPU avec CUDA pour certaines combinaisons. Une évaluation utilisateur montre que q8_0/q4_0 coûte seulement 1,3% de précision tout en réduisant la mémoire de plus de 50% vs f16/f16.
Spotify et Universal Music Group officialisent les remixes et reprises générés par IA sur leurs plateformes de streaming musical.
Valve a retiré un jeu gratuit de Steam après la découverte de malware par les joueurs. L'incident soulève des questions sur les contrôles de sécurité de la plateforme.
SupraLabs publie Supra-50M, un modèle de 50M paramètres entraîné sur 20B tokens de texte éducatif haute qualité. Architecture Llama-style avec vocab 32k. Surpasse GPT-2 (124M) et SmolLM-135M sur plusieurs benchmarks (BLiMP 76.3%, SciQ 77.2%, ARC-Easy 52.2%). Roadmap : Supra-124M et Supra-350M prévus.
Microsoft et EY annoncent un investissement de 1 milliard de dollars sur 5 ans pour accélérer le déploiement industriel de l'IA en entreprise.
Trump annule un décret sur la sécurité de l'IA après des appels de Musk, Zuckerberg et Sacks. L'ordre aurait créé un système d'examen volontaire pour les modèles frontière avec une fenêtre de 90 jours avant la publication.
DeepSeek lève 10,29 milliards de dollars. Liang Wenfeng s'engage à poursuivre le développement de modèles open-source plutôt que la commercialisation court-termiste. L'entreprise vise l'AGI.
Outil open-source convertissant du code en graphe de connaissances interactif explorable et interrogeable. Compatible Claude Code, Cursor, Copilot, Gemini CLI et autres éditeurs.
Oh-my-pi est un agent IA de codage pour terminal avec édits ancrés par hash, intégration LSP, support Python et navigateur, ainsi que des sous-agents.
GitHub publie un SDK multi-plateforme pour intégrer l'agent Copilot dans des applications et services tiers. Permet aux développeurs d'accéder aux capacités d'IA de Copilot via API standardisée.
Workmux combine les git worktrees et les fenêtres tmux pour faciliter le développement parallèle sans friction. Outil open-source permettant de gérer plusieurs branches de travail simultanément avec une intégration tmux native.
Repomix est un outil qui compresse un dépôt entier en un fichier unique optimisé pour les LLM. Compatible avec Claude, ChatGPT, DeepSeek, Perplexity, Gemini et autres modèles d'IA.
GitNexus est un moteur d'intelligence de code côté client qui fonctionne entièrement dans le navigateur. Il crée un graphe de connaissances à partir d'un dépôt GitHub ou d'un fichier ZIP, avec un agent Graph RAG intégré pour l'exploration de code.
MemOS est un système d'exploitation mémoire auto-évolutif pour LLM et agents IA. Offre mémoire ultra-persistante, récupération hybride et réutilisation de compétences cross-task avec 35,24% d'économies de tokens.
OpenCode est un agent de codage open-source disponible sur GitHub. Le projet propose une solution automatisée pour la génération et l'assistance au code.
Routa est une plateforme de coordination multi-agent orientée workspace pour le développement IA. Elle intègre des Specs partagées, une orchestration Kanban, et supporte MCP/ACP/A2A sur web et desktop.
AWS Labs publie aidlc-workflows, un framework de règles de steering adaptatif pour diriger les agents IA de codage. Le projet fournit des workflows basés sur des règles de cycle de vie piloté par l'IA pour améliorer la qualité et la fiabilité des agents de code.
LangChain reste en tête des tendances GitHub. Plateforme d'ingénierie d'agents IA, elle facilite la construction d'applications avec LLM et orchestration multi-composants.
TimesFM est un modèle fondation préentraîné développé par Google Research pour la prévision de séries temporelles. Le repo GitHub propose une implémentation open-source de ce modèle spécialisé.
Tracer-Cloud/opensre est un toolkit open-source pour construire des agents IA SRE (Site Reliability Engineering). Permet l'automatisation des tâches d'infrastructure et de fiabilité via des agents intelligents.
Meta publie le code et les checkpoints de SAM 3 (Segment Anything Model 3). Le repo inclut l'inférence, le fine-tuning et des notebooks d'exemple pour la segmentation d'images.
Microsoft publie un toolkit de gouvernance pour agents IA autonomes. Inclut application de politiques, identité zero-trust, sandboxing d'exécution et ingénierie de fiabilité. Couvre les 10/10 risques OWASP Agentic Top 10.
Honcho est une bibliothèque mémoire pour construire des agents avec état. Elle permet de gérer la persistance et l'historique des interactions dans des systèmes multi-agents.
Utilisateur rapporte une perte de performance soudaine sur des GGUFs (Qwen3.5-35B et modèle Unsloth) : passage de 20+ tg/s à 5 tg/s. Cause identifiée : corruption de fichiers lors de modifications manuelles de couches MTP. Solution : vérifier l'intégrité sha256sum des modèles téléchargés.
Antigravity 2.0 atteint le meilleur score du benchmark OpenSCAD Architectural 3D LLM, qui évalue la capacité des modèles à générer du code 3D pour l'architecture.
Numind publie NuExtract3, un VLM open-weight de 4B paramètres basé sur Qwen3.5-4B sous licence Apache-2.0. Le modèle extrait des données structurées de documents complexes (PDFs, formulaires, tableaux, factures) en Markdown ou JSON. Entraîné 3 jours sur 8xH100, il supporte plusieurs quantizations (GPTQ, W8A8, FP8, Q4, Q6) et fonctionne avec 4GB VRAM minimum.
La France se classe 2e en maturité IA déclarée en Europe, mais 49% des projets restent au stade pilote et 80% n'ont pas de ROI mesuré. Écart révélateur entre adoption affichée et impact réel.
Hark lève 700 millions de dollars pour développer un assistant IA universel, atteignant une valorisation de 6 milliards de dollars.
ztok est une bibliothèque de tokenization multithreadée écrite en Zig, 2–5× plus rapide que tiktoken/HF/SentencePiece. Charge formats tiktoken, HF tokenizer.json, SentencePiece, TokenMonster, Mistral Tekken. Bit-identique aux implémentations de référence, 8 bindings de langages, optimisée pour RAG et tokenization dataset.
Spotify lance « Reserved », une fonctionnalité de réservation de places de concert intégrée à l'application. Le système permet aux utilisateurs d'accéder directement à des billets depuis la plateforme musicale.
Moss est un système d'agent autonome capable d'auto-évolution via réécriture de code source. Le système modifie son propre code pour améliorer ses performances sans intervention externe.
Lemon-mlx-engine intègre ROCm 7.13 pour exécuter des LLM localement sur GPU AMD. La mise à jour inclut des corrections de bugs et de kernels pour Qwen3, 3.5 et 3.6 MoE.
L'IA prédictive analyse les flux de données en temps réel pour détecter les anomalies comportementales et anticiper les attaques cybercriminelles avant qu'elles ne se produisent.
Discussion sur le fossé entre performances en benchmark et robustesse en production. Les systèmes performants échouent face à l'ambiguïté utilisateur, contextes réels complexes et instructions contradictoires. Appel à des méthodes d'évaluation au-delà des pipelines standards.
Trois startups d'infrastructure IA atteignent le statut de licorne : Exa (recherche vectorielle), Modal (plateforme cloud) et TurboPuffer (cache distribué). Levées de fonds majeures confirmant la consolidation du marché de l'infra IA.
Projet communautaire de dataset de codage pour fine-tuning de modèles LLM, axé sur C++ et programmation système. L'auteur envisage de fine-tuner Qwen 3.6-27b pour améliorer la compréhension de concepts comme la gestion mémoire, la thread-safety et l'optimisation. Dataset structuré en catégories JSONL : génération, optimisation, debugging, organisation, tool-calling.
CODA reformule les blocs transformer en programmes GEMM-Epilogue pour optimiser l'inférence. La technique fusionne les opérations matricielles et post-traitements en une seule primitive GPU, réduisant la latence et la bande passante mémoire.
La FTC condamne Cox Media Group et deux autres entreprises à payer près d'1 million de dollars pour avoir trompé les clients sur un service marketing IA appelé « Active Listening ». Le service prétendait écouter les conversations via les appareils intelligents pour cibler les publicités, mais n'utilisait en réalité aucune donnée vocale.
Projet de détecteur ML pour identifier si un appel téléphonique a atteint un agent humain (vs file d'attente/RVA). Classification audio en fenêtre 1-2s sur flux G711a 8kHz. Défis : distinguer RVA professionnelle de voix humaine, silence de transition, répondeurs, TTS sophistiqué.
HES (High-Entropy Sum) est une métrique sans entraînement pour sélectionner les données de raisonnement de haute qualité dans les LLM. Testée sur SFT, RFT et RL, elle permet d'atteindre les performances du dataset complet en utilisant seulement les 20% meilleurs échantillons, réduisant significativement le coût computationnel.
Étude comparative de quatre stratégies de chunking (Recursive, Khmer-Aware, Sentence-Based, LLM-Based) pour RAG sur documents agricoles en khmer. Le chunking Recursive avec 300 caractères obtient les meilleures performances : L2 distance 0.4295, Answer Relevance 0.8663, Khmer IoU 0.6441. Amélioration statistiquement significative vs Sentence-Based (p=0.0121).
Étude comparative de systèmes RAG pour le khmer. BGE-M3 surpasse Jina-Embeddings-v3 et Qwen3-Embedding en dense retrieval (Hit Rate@3: 0.285). Évaluation de 5 générateurs (Qwen3, Qwen3.5, Sailor2, SeaLLMs-v3, Llama-SEA-LION-v2) sur 200 QA pairs avec 6 métriques RAGAS. Aucun modèle ne domine tous les critères; le choix du retriever reste le goulot d'étranglement.
Ishigaki-IDS-Bench est un benchmark pour évaluer la génération de fichiers XML Information Delivery Specification (IDS) à partir de spécifications BIM. Sur 166 exemples expert-validés en anglais/japonais, les 10 meilleurs LLMs atteignent 65,6% F1 macro pour l'accord de contenu, mais seulement 27,7% passent l'audit de contenu IDS. Les modèles peinent à générer du XML conforme aux standards IDS et vocabulaire IFC.
FlyRoute est un framework d'auto-évolution de profils d'agents qui améliore le routage de requêtes en entreprise. Via un mécanisme de flywheel, il collecte des preuves de capacités depuis le trafic réel, distille des descriptions apprises et les injecte dans un routeur LLM avec des succès récupérés par BM25. Sur un dataset propriétaire, FlyRoute passe de 72,57% (zero-shot) à 89,83% de précision après 7,211 requêtes.
SpecHop accélère les agents multi-hop utilisant outils externes (recherche web, retrieval) en maintenant plusieurs threads spéculatifs parallèles avec des outils plus rapides mais moins fiables. Le framework vérifie asynchroniquement les prédictions et valide/annule les branches, réduisant la latence jusqu'à 40% sans changer la trajectoire finale du modèle.
Hyper-Align propose une approche native pour traiter les hypergraphes avec les LLM. La méthode compile les structures hypergraphiques en tokens via HIDT-O (template hybride) et HIP (projecteur d'incidence), préservant les associations d'ordre supérieur. Évaluée sur HyperAlign-Bench, elle surpasse les méthodes existantes en tâches vertex et hyperedge.
DivSkill-SQL optimise des ensembles Text-to-SQL par apprentissage de compétences résiduelles sur les exemples échoués, sans fine-tuning. Sur Spider2-Lite, gains de +11.1 pts (Snowflake) et +8.3 pts (BigQuery) vs baseline. Les compétences transfèrent entre dialectes SQL sans réentraînement.
Un framework utilise un LLM pour traduire des requêtes en langage naturel en opérations spatiales déterministes sur une base de données PostGIS. Testé sur des données de sécurité routière du Massachusetts (accidents, attributs routiers, écoles, arrêts de bus), le système valide 29% des requêtes erronées via une couche de règles, préservant la reproductibilité tout en démocratisant l'accès aux données.
Étude arXiv sur les attaques de toxicité implicite en chinois (CITA). Framework de red-teaming en trois étapes (apprentissage d'intent nuisible, amélioration d'implicitude, réécriture d'obfuscation) générant des données d'évaluation. Sept détecteurs testés montrent 69,48% de taux d'erreur moyen. Modèle de défense CITD fine-tuné sur données CITA améliore la robustesse.
Nouvelle architecture Pseudo-Siamese (FF-BPSN) pour planifier des chemins de dialogue vers des cibles prédéfinies. Utilise deux décodeurs transformer bidirectionnels avec module forward-focused. Testé sur DuRecDial et DuRecDial 2.0, améliore significativement les systèmes de dialogue proactif orientés cible.
Étude sur la quantification de LLaMA-3.1 (8B) pour l'analyse qualitative. Les modèles 8-bit conservent la meilleure précision ; les modèles 4-bit, 3-bit et 2-bit souffrent d'hallucinations. Une méthode de vérification multi-pass réduit les erreurs et stabilise les résultats, rendant les modèles bas-bit viables pour la recherche qualitative.
Méthode neurale pour estimer l'information mutuelle conditionnelle par paires dans les modèles de diffusion masqués (MDMs). Le framework utilise les états cachés d'un MDM préentraîné et supervision par MI calculée depuis les distributions conditionnelles du modèle. Appliqué à Sudoku et génération de séquences protéiques (ESM-C), réduit les passes forward d'inférence de 3-5x en décodage parallèle guidé par MI.
AiraXiv est une plateforme de preprints open-access pilotée par l'IA, conçue pour accueillir auteurs humains et agents IA. Elle intègre l'analyse augmentée par IA, les retours lecteurs et le Model Context Protocol (MCP) pour les interactions automatisées. Déployée comme plateforme de soumission pour ICAIS 2025.
PALS est un système d'optimisation de l'inférence LLM intégré à vLLM qui traite les limites de puissance GPU comme un paramètre de contrôle ajustable. En combinant modèles de puissance-performance hors ligne et contrôle par rétroaction, il améliore l'efficacité énergétique jusqu'à 26,3% et réduit les violations QoS de 4x à 7x sur modèles denses et MoE.
Insights Generator est un système multi-agent pour diagnostiquer les défaillances d'agents LLM à l'échelle d'un corpus. Il formule et teste des hypothèses sur les traces d'exécution pour produire des rapports d'insights fondés sur des preuves. Les experts humains utilisant IG améliorent les performances de 30,4pp ; les agents de codage montrent des gains stables.
AutoRPA distille la logique décisionnelle d'agents LLM (paradigme ReAct) en fonctions RPA robustes via un pipeline traducteur-constructeur et génération augmentée par récupération. Sur tâches GUI répétitives, les fonctions générées réduisent l'usage de tokens de 82–96% tout en maintenant la performance.
Étude sur la réduction de la sycophantie (accord du modèle même quand l'utilisateur se trompe) via des vecteurs de persona off-the-shelf. Les vecteurs orientés vers le doute/scrutin réduisent la sycophantie à 68-98% de l'effet de CAA (Contrastive Activation Addition), tout en maintenant la précision. La sycophantie est une propriété au niveau persona, non une direction unique.
VBFDD-Agent est un agent de diagnostic de défauts de batterie pour véhicules électriques utilisant des modèles de langage. Le système transforme les signaux de batterie lithium-ion en descriptions textuelles naturelles, intègre la récupération de cas historiques et les manuels de maintenance locaux pour générer des recommandations diagnostiques structurées et interprétables.
Étude d'optimisations pour pipelines d'agents industriels (AssetOpsBench). Propose un cache sémantique temporel et des optimisations MCP (découverte d'outils, exécution parallèle) : 1.67x speedup, réduction latence 40%, cache hits 30.6x. Identifie limites du semantic caching pur pour requêtes paramétrées.
Mahjax est un simulateur Riichi Mahjong entièrement vectorisé en JAX pour l'apprentissage par renforcement sur GPU. Atteint 2 millions de steps/sec sur 8 A100 NVIDIA (règles sans rouge) et 1 million (avec rouge). Démontre l'entraînement d'agents tabula rasa sans pré-entraînement supervisé.
AgentAtlas propose une évaluation multidimensionnelle des agents LLM au-delà des simples taux de succès. L'étude introduit une taxonomie de 6 états de contrôle, une taxonomie d'erreurs à 9 catégories, et audite 15 benchmarks existants. Sur 8 modèles (4 fermés, 4 open-weight), retirer les labels explicites réduit la précision de 14-40 pp, révélant une dépendance forte au prompt.
Nouvelle famille de métriques ECUAS_n pour évaluer les systèmes d'IA qui produisent prédictions + scores d'incertitude. Formalisées comme proper scoring rules, elles permettent d'ajuster le compromis entre erreurs de prédiction et imprécisions d'incertitude selon le cas d'usage. Validées sur classification, génération et TriviaQA.
AgentCo-op est un framework de synthèse basé sur la récupération qui compose des compétences réutilisables, outils et agents externes en workflows exécutables via des transferts d'artefacts typés. Appliqué à la génomique et aux benchmarks de codage/math, il coordonne des agents spécialisés sans recherche globale de topologie et réduit les coûts par rapport aux baselines multi-agents.
COSMO-Agent, un framework RL augmenté d'outils, entraîne des LLM à orchestrer des processus CAD-CAE itératifs. Le système apprend à générer de la géométrie paramétrique, résoudre des simulations et réviser les designs sous contraintes multiples. Dataset industriel de 25 catégories de composants. Les petits LLM entraînés surpassent les modèles fermés en faisabilité et stabilité.
Étude ML sur 1,375 patients : prédiction de l'ischémie myocardique à partir de scans CT calcium non-contrastés. Modèle XGBoost+SHAP combinant score Agatston, 8 features calcium-omics et âge. Résultats : précision 98,9%, sensibilité 79,2%, F1 87,7%. Les calcium-omics améliorent significativement la performance vs variables cliniques seules (p<0,05).
Cadre Self-Paced Curriculum Learning (SPCL) pour la reconnaissance d'émotions multimodales en conversations. Mesureur de difficulté dual (niveau énoncé et conversation) guide l'apprentissage des cas faciles aux difficiles. Tests sur IEMOCAP (+1.2% à +6.6% F1) et MELD (+10.4%) montrent amélioration de l'équilibre modalité.
TBP-mHC propose une paramétrisation des polytopes de Birkhoff pour les Hyper-Connexions contraintes par variété. La méthode construit des matrices de mélange doublement stochastiques exactes avec (n-1)² degrés de liberté, évitant la normalisation itérative et l'explosion combinatoire. Résultats compétitifs sur le pré-entraînement de modèles de langage avec stabilité améliorée.
Déploiement réel d'un pipeline federated learning pour prédire la carence en fer à partir de données de numération formule sanguine. Utilise DeepCBC (modèle fondation haematologie gelé) + FedMAP (agrégation personnalisée). Testé sur deux sites cliniques (AUMC, NHSBT) avec données non-IID. FedMAP améliore ROC-AUC de 0.947→0.959 (AUMC) et 0.856→0.867 (NHSBT) vs entraînement local.
Étude comparative de 5 classifieurs (régression logistique, random forest, XGBoost, SVM, naive Bayes) sur prédiction du risque de maladie rénale chronique. Tous atteignent AUROC 1.00 en interne (UCI, 400 patients), mais s'effondrent sur MIMIC-IV externe (AUROC 0.48-0.58). Calibration et couverture conforme dégradées drastiquement. Aucun modèle ne satisfait les critères de déploiement clinique.
TransitLM : dataset de 13M+ trajets de transport en commun (4 villes chinoises, 120k stations) pour entraîner des LLM à générer des itinéraires sans infrastructure cartographique. Les modèles apprennent à ancrer les coordonnées GPS aux stations et produisent des routes structurellement valides sans mapping explicite.
IdioLink est un benchmark de retrieval contenant 10,700 documents et 2,140 requêtes sur 107 idiomes. Il teste si les modèles peuvent lier expressions idiomatiques à leurs équivalents littéraux. Les embeddings actuels (BGE, E5, Contriever, Qwen) échouent, s'appuyant sur des indices topicaux superficiels plutôt que sur l'abstraction sémantique.
Méthode multi-étapes pour détecter les commentaires abusifs dans les langues indiennes. Combine prétraitement linguistique et ensemble de modèles pour minimiser les faux positifs tout en préservant la liberté d'expression.
Nouvel article arXiv proposant la « Representation Gap », une métrique liée à l'erreur de généralisation des réseaux de neurones. Les auteurs dérivent une équivalence asymptotique précise gouvernée par la dimension intrinsèque de la tâche, validée sur données synthétiques et réalistes.
Corpus de 252 487 posts Facebook arabes (2013-2024) collectés sur 51 660 pages dans 77 pays, couvrant l'autonomisation des femmes et le bien-être social. 267 millions d'interactions utilisateur analysées avec métriques d'engagement (partages, commentaires, réactions). Pipeline automatisé pour identification linguistique, normalisation et nettoyage des métadonnées.
GHI est un framework basé sur Graphormer pour l'analyse de sentiment basée sur les aspects (ABSA). Il utilise une structure hypergraphe bipartite pour représenter les relations entre tokens et hyperedges, intégrant des signaux linguistiques et sémantiques. Avec 247M paramètres, GHI surpasse DeBERTa sur six benchmarks SemEval et approche les performances de Flan-T5 11B sur ISE.
Modèle computationnel de morphologie inflectionnelle arabe centré sur les pluriels brisés. Inverse le paradigme traditionnel racine-et-patron en patron-et-racine. Appliqué à 3 200 entrées nominales avec 160 classes inflectionnelles (22 patrons trilitères, 3 quadrilitères). Séparation formelle entre inflexion, dérivation et sémantique.
Méthode d'auto-supervision pour aligner les connaissances culturelles multilingues dans les LLM. Utilise la cohérence multilingue pour identifier les réponses culturelles fiables et les transférer aux langues faibles. Améliore les performances sur BLEnD de 5,03% en moyenne sans données externes.
Psy-Chronicle est un framework de génération de données pour synthétiser des dialogues de conseil psychologique sur long horizon. Les auteurs créent CPCD, un dataset chinois de 90 000 dialogues couvrant 100 profils d'étudiants sur un semestre, avec un benchmark évaluant la mémoire long-horizon et le raisonnement causal. Code et données open-sourcés.
Étude des mécanismes de rappel factuel dans les modèles de langage multimodaux (texte + parole). Via analyse de médiation causale sur SpiritLM, les chercheurs montrent que les mécanismes de stockage et récupération de connaissances factuelles ne se transfèrent que partiellement du texte à la parole.
Étude théorique de pourquoi les méthodes RL sans critique (PPO, GRPO) améliorent les LLM. Les auteurs montrent que les mises à jour d'acteur sont de type value-gradient en espérance, et que l'autodifférenciation à travers l'attention produit des costates empiriques approximant le signal de valeur. Décomposition de l'impact RL en signal value-gradient et marge de récompense atteignable.
Faithful-MR1 est un framework d'entraînement pour MLLMs qui améliore le raisonnement multimodal via apprentissage par renforcement. Il ancre l'attention visuelle directement sur les régions d'image (pas via descriptions textuelles) et renforce l'utilisation fidèle de cette attention par intervention contrefactuelle. Résultats sur Qwen2.5-VL-Instruct 3B/7B avec moins de données.
ArabDiscrim est un corpus de 293K posts Facebook arabes (2014-2024) sur le racisme et la discrimination. Il inclut 200 termes curatés avec familles morphologiques (13+ inflexions), 20 axes de discrimination, et signaux d'engagement natifs (réactions, partages, commentaires). Licence recherche restreinte pour conformité éthique.
Système de certification sélective par réclamation pour RAG médical haute-risque. Chaque réponse est décomposée en affirmations vérifiables, évaluées contre les preuves récupérées et mappées à {complet, partiel, conflit, abstention}. Sur le protocole de certification faible-label, UCCR=0.0000, PAU=1.0000, précision PAU=0.9901, précision action=0.9204 (dev, n=314) et 0.8997 (test, n=319).