2731 articles
Article proposant une approche multi-fidélité basée sur les normalizing flows conditionnels pour améliorer la précision des modèles réduits (ROM). Le framework apprend un mappage probabiliste entre coefficients ROM basse-fidélité et haute-fidélité, avec quantification d'incertitude. Deux stratégies testées sur équations de Navier-Stokes 2D : apprentissage direct et résiduel, ce dernier surpassant le premier.
SinkRec propose une architecture hybride pour les recommandations sur longues séquences, combinant attention linéaire et mémoire conditionnelle. Elle résout le problème du « semantic state sink » où les patterns répétitifs dominent l'état récurrent, en externalisant les comportements récurrents via quantization vectorielle et en introduisant TDGD pour purifier les lectures/écritures d'état.
Framework ML couplant gradient boosting et prédiction conforme pour le risque de NAFLD. Évalué sur 2,599 patients (Guangzhou), atteint AUROC 0.912 en interne et 0.891 en validation externe. Couverture conforme 91.3% à niveau nominal 90%. Stratification 3-niveaux : groupe haut-risque montre taux progression 4.7× supérieur au groupe bas-risque.
QSplitFL propose un framework Deep Q-Network pour sélectionner automatiquement le point de division optimal dans le Split Federated Learning. Utilisant des métriques matérielles légères (CPU, mémoire, batterie, latence réseau) plutôt que les poids du modèle, l'approche avec architecture DQN par comité améliore la convergence sur MNIST, Fashion-MNIST, CIFAR-10/100 avec CNN, ResNet50, MobileNetV4, ConvNeXt.
UniTok est un tokeniseur universel qui convertit les séries temporelles continues en tokens discrets. UniTok-FM, un modèle fondation préentraîné via prédiction du prochain token, supporte prévisions zéro-shot, génération et classification par inférence en contexte sans entraînement supplémentaire.
TD-Grokking décompose récursivement les problèmes sans récompense en sous-problèmes vérifiables pour générer des signaux d'entraînement. Testé sur tâches mathématiques et médicales, le framework surpasse GRPO vanilla et convertit les exemples zéro-récompense en signaux d'optimisation exploitables.
Nouvel benchmark pour évaluer les techniques d'édition de connaissances dans les LLM. Les méthodes existantes (ROME, FT) réussissent à insérer des faits directs mais échouent sur les conséquences logiques : écart de performance jusqu'à 24% entre connaissance directe et connaissance déduite.
SynIB, une nouvelle fonction objectif basée sur la théorie de l'information, maximise la synergie multimodale en pénalisant la confiance du modèle quand une modalité est masquée. Validé sur XOR synthétique et cinq benchmarks réels (MultiBench, Hateful Memes, CREMA-D), SynIB améliore la précision sur exemples synergiques de jusqu'à 7,8% et la précision globale de 3,8%.
OSL-MR, un framework pour optimiser la rétention mémoire dans les agents IA long-horizon. Formule le problème comme optimisation stochastique contrainte avec budget, utilité des preuves et coûts différés (pénalités d'oubli, délais de réacquisition). Combine apprentissage supervisé et heuristique Mixed-Score. Surpasse les baselines récence et Generative Agents sur LOCOMO et LongMemEval.
Modélisation du traitement du cancer comme problème de planification en espace de croyances via l'inférence active. Framework unifiant contrôle orienté-objectif et acquisition d'information sous contraintes budgétaires. Validation sur données cliniques AACR Project GENIE avec catégorisation patient et efficacité thérapeutique simultanées.
Détection du langage spéculatif dans les textes biomédicaux via réseaux de tenseurs récurrents. RNTN atteint F1=0.885 vs SVM baseline F1=0.881. Paragraph Vector moins efficace (F1=0.368). Applications : récupération d'information, résumé multi-documents.
HIPIF propose une méthode d'apprentissage par renforcement hiérarchique pour les agents LLM sur des tâches long-horizon. Elle décompose les tâches en sous-objectifs explicites et compresse les historiques complétés pour réduire l'interférence contextuelle. Validée sur trois benchmarks publics sans modèles auxiliaires coûteux.
Étude sur le fine-tuning séquentiel de LLaMA-3.1-8B pour l'évaluation automatique d'essais. Le modèle entraîné progressivement sur les éléments de discours (lead → position → claim → evidence → conclusion) atteint F1=65% (evidence) et 87% (conclusion), surpassant LLaMA-70B. Démontre que l'ordre d'apprentissage aligné à la structure du texte améliore la cohérence.
AutoPDE est un agent IA qui résout les équations aux dérivées partielles (EDP) en maintenant explicitement la stratégie numérique comme objet inspectable. L'approche combine analyse d'EDP, sélection de méthodes numériques et calibrage adaptatif. Sur PDE Agent Bench, AutoPDE atteint 54,5% de réussite, surpassant la meilleure baseline de 14,2 points.
DLA (Dynamic Linear Attention) propose un cadre de modélisation mémoire pour l'attention linéaire multi-état. Il introduit une fusion d'états adaptative basée sur la variation informationnelle des tokens et un cache mémoire borné qui fusionne sélectivement les états adjacents. Pré-entraîné sur deux modèles d'attention linéaire, DLA surpasse l'état de l'art sur 16 datasets.
DeepSeek-R1-8B fine-tuné avec LoRA et NEFTune pour la reconnaissance d'entités nommées financières. Sur 1693 échantillons annotés, le modèle atteint micro-F1 de 0.912 sur 7 types d'entités, surpassant Llama3-8B, Qwen3-8B et Baichuan2-7B.
PADD est une méthode de distillation de connaissance pour transformer un modèle dense en étudiant MoE sans routeur explicite. Le framework en 4 étapes (initialisation + entraînement) utilise le clustering de neurones du professeur et l'optimisation adaptative pour obtenir des gains sur les benchmarks de raisonnement mathématique, l'étudiant MoE égalant ou surpassant le professeur dense.
EinsteinArena est une plateforme distribuée où des agents IA collaborent sur des problèmes mathématiques ouverts. Depuis mai 2026, les agents ont découvert 12 nouveaux résultats état-de-l'art, dont l'amélioration du nombre de baisers en dimension 11 (593→604) via itérations collectives et partage d'idées.
ReflectiChain combine LLM et apprentissage par renforcement pour les chaînes d'approvisionnement via un modèle monde (SC-WM) en espace latent 6D avec conservation physique. Sur benchmark Semi-Sim (10 nœuds, risque SIR), amélioration de 33% en cohérence rationnelle, 82.3% d'opérabilité sous chocs adversariaux, comportement anti-fragile (+40.2%).
Infini Memory propose une architecture de mémoire persistante pour agents LLM basée sur des documents structurés par thème. Les observations sont consolidées périodiquement dans des contextes textuels cohérents, et la récupération se fait par appels itératifs d'outils plutôt qu'une seule requête. Sur MemoryAgentBench, le système atteint 64,7% de score global.
BenSyc est le premier benchmark pour évaluer la sycophantie conversationnelle dans les contextes sociaux bengalis. Construit à partir de 170k commentaires Reddit, il teste 15+ LLMs sur la classification d'alignement et la génération de réponses. Les meilleurs modèles atteignent seulement 61,8% Macro-F1 en détection binaire, révélant des difficultés à distinguer le soutien empathique de la validation excessive.
Étude sur l'agrégation des retours humains en RLHF : réduire les jugements hétérogènes à une seule récompense scalaire masque les désaccords culturels, linguistiques ou normatifs légitimes. Analyse de 321 événements de préférence en Malaisie : 79% des prompts contiennent plusieurs réponses acceptables que l'agrégation par majorité élimine. Propose une approche préservant la pluralité des interprétations valides.
ParaBridge est une méthode d'auto-distillation qui enseigne aux Speech Language Models à utiliser les indices paralinguistiques (ton, émotion, bruit) dans le dialogue. Sur Qwen3-Omni-thinking, elle augmente VoxSafeBench SAR de 14,6% à 40,3% et améliore EchoMind de 3,27 à 3,92, tout en préservant les capacités générales.
Étude d'interprétabilité sur les modèles audio-visuels (AVLLMs) : analyse du flux d'information entre tokens audio et visuels dans Qwen2.5-Omni et Video-SALMONN2 Plus (3B/7B). Les auteurs montrent que les tokens audio-visuels peuvent être supprimés après transfert d'information sans dégradation, améliorant l'efficacité d'inférence.
CodeAlchemy génère 500B+ tokens de données synthétiques via 5 stratégies (CodeEnhance, CodeQA, CodeDev, CodeDialogue, CodeTrace) à partir de code public dans 15 langues. CodeTrace instrumente 1.3M+ fichiers pour capturer flux de contrôle et connaissance de bibliothèques. Les modèles 3B surpassent des modèles 10x plus grands (Gemma-3 27B, Granite-4.0 32B) : 83.5% HumanEval, 63.2% MBPP.
STAGE-Claw est un framework automatisé pour créer et évaluer des agents IA dans des scénarios réalistes. Il génère automatiquement des tâches, environnements et métriques basées sur l'état du système. Benchmark de 40 tâches évalue 11 modèles frontier sur fiabilité des appels outils et patterns d'erreur.
Étude complémentaire de PlanGPT avec métriques de performance définies (coût du plan, temps de génération). Comparaison avec un planificateur traditionnel révèle que PlanGPT ne surpasse pas une stratégie de recherche Greedy.
Framework génératif pour créer des anomalies de trajectoires humaines annotées. Utilise des agents LLM pour injecter des comportements anormaux sémantiques (check-ins hors-distribution, visites manquées) dans des trajectoires simulées, avec reconstruction de routage contrainte par la carte et modèle de bruit spatial contextuel pour réduire l'écart simulation-réalité.
Nouvelle méthode MGAP pour réduire les hallucinations dans les MLLMs sans entraînement. Utilise SVD pour construire un sous-espace de priors linguistiques et projette les états cachés multimodaux pour atténuer sélectivement les composantes problématiques tout en préservant la structure sémantique. Améliore les scores POPE et CHAIR.
LC-QAT propose une méthode de quantification 2-bit pour LLMs combinant vector quantization et optimisation différentiable. Le framework utilise un mappage affine appris sur des vecteurs discrets, éliminant le lookup de codebook explicite. Résultats : surpasse les méthodes QAT existantes avec seulement 0.1%-10% des données d'entraînement.
Latent Memory remplace chaque élément de mémoire (texte/image) par un unique token latent compressé, réduisant la consommation de tokens du générateur de 3-10x. Entraîné avec objectifs de reconstruction, contrastif et distillation, le système atteint des performances compétitives sur HotpotQA et benchmarks multimodaux tout en diminuant la pression mémoire.
Étude sur la mémoire spatiale des agents IA. Les systèmes « memory palace » ancrent chaque souvenir à une coordonnée mondiale. Expérience pré-enregistrée : le mélange linéaire standard (proximité spatiale + récence + importance) échoue (Delta-Hit@5 -0.0375, p=0.306), tandis qu'une pondération basée sur la géométrie gagne (+0.3208, p<0.001). Confirmation que l'occlusion nécessite la géométrie.
Étude empirique comparant LoRA et 4 variantes sur l'instruction tuning multilingue. Résultats : aucun avantage significatif des variantes complexes vs LoRA basique pour équilibrer transfert cross-lingual et rétention de connaissances. Analyse des embeddings : représentations linguistiques similaires indépendamment de la technique LoRA.
ParaEval, un framework d'évaluation, corrige les biais des benchmarks MCQA en testant les modèles avec plusieurs paraphrases par option. Les scores standards confondent familiarité avec une formulation exacte et vraie compréhension. Sur modèles 1B-8B avec connaissances identiques, ParaEval réduit les écarts de performance artificiels de 2 points à moins de 1 point.
Visual-SDPO, un framework d'auto-distillation par retour visuel, améliore la génération de code pour artefacts visuels (graphiques, pages web, slides). La méthode trace les défauts visuels détectés jusqu'aux instructions de code responsables et amplifie le signal de distillation. Sur ChartMimic, Design2Code et AeSlides, elle gagne +10 points absolus vs zéro-shot et +2.4 vs GRPO.
Minimalist Genetic Programming (MGP) reformule l'induction de programmes en tâche de dérivation syntaxique inspirée par le Minimalist Program linguistique. Au lieu d'évolution, MGP utilise l'opérateur MERGE pour construire incrémentalement des structures syntaxiques complexes. Sur des tâches de régression symbolique, MGP découvre les modèles exacts là où la GP standard échoue.
ActiveMem propose une architecture distribuée découplant la mémoire du raisonnement des agents LLM. Un Planner utilise des résumés sémantiques pour le raisonnement tandis qu'un système mémoire parallèle accumule activement ces gists. Résultats SOTA sur BrowseComp-Plus et GAIA avec surcharge réduite.
Article théorique sur l'impact de l'assistance prédictive (IA) sur la dynamique cognitive d'exploration. Modèle géométrique montrant que la stabilisation précoce par systèmes prédictifs réduit la réactivité exploratoire, crée de l'hystérésis et retarde la récupération après retrait de l'assistance. Les résultats suggèrent que l'IA prédictive reshape la géométrie même de la cognition exploratoire.
Article arXiv proposant une généralisation des méthodes de décodage contrastif pour gérer les conflits entre contexte externe et priors paramétriques dans les LLM. Introduit le paradigme « conflict-aware » et la méthode Adaptive Regime Routing (ARR) qui route dynamiquement entre régimes selon les signaux de conflit, améliorant la résistance EM de <6% à 16-33% sur TriState-Bench.
Framework unifié pour caractériser les méthodes de génération diverse au test-time. Les auteurs proposent l'injection de diversité au niveau des spécifications intermédiaires, améliorant la diversité de sortie sur 5 tâches et 4 modèles tout en maintenant la qualité. Analyse des facteurs clés : diversité des sources et transmission vers la sortie finale.
RealMath-Eval, un benchmark de 224 réponses d'examen réelles, révèle que les juges LLM état-de-l'art échouent à évaluer le raisonnement humain authentique (MSE ~2.96 vs ~1.17 sur solutions synthétiques). L'analyse montre que les erreurs humaines forment un espace d'erreurs plus diversifié que les erreurs synthétiques, avec une surprisal informationnelle plus élevée.
Étude sur l'optimisation du contexte pour agents LLM autonomes en workflows d'entreprise. Test de 4 configurations GPT-5 sur 50 tâches de catégorisation de dépenses (Microsoft Dynamics 365). Pruning du contexte aux 5 derniers appels outils + summarization atteint 91,6% de complétude avec 553k tokens (vs 1,48M en contexte complet), réduisant le runtime de 14,56h à 5,79h.
TRACE, une méthode de désapprentissage pour modèles MoE, détecte les experts critiques activés par les données à oublier et recalibre la régularisation en rééquilibrant les pertes sur les données à retenir. Expériences sur WMDP et MUSE-BOOKS montrent 9% d'amélioration d'utilité relative vs baseline.
Un article arXiv propose une architecture de « Business World Model » (BWM), un modèle spécialisé pour simuler des environnements métier et organisationnels. Le BWM encode états, dynamiques, contraintes et objectifs pour permettre aux agents IA de planifier autonomement, simuler des séquences d'actions alternatives et évaluer leurs impacts sur les résultats futurs sous incertitude.
Article théorique examinant le rôle épistémique des LLM en linguistique via le cadre du modal modeling. Les auteurs argumentent que les LLM fournissent des explications how-possibly (HPE) sur l'acquisition du langage sans correspondance structurelle avec la cognition humaine, mais ne satisfont pas encore les critères des how-actually explanations (HAE). Propose un continuum explicatif entre HPE et HAE.
UniSVQ propose une quantification unifiée 2-bit pour LLM combinant avantages de la quantification scalaire et vectorielle via transformation affine de réseaux entiers. Stratégie de fine-tuning par bloc minimise l'erreur de reconstruction. Expériences sur plusieurs familles LLM montrent surperformance vs méthodes SQ et parité avec VQ avancées, avec meilleur débit inférence.
Revue de littérature sur l'évaluation automatique de textes arabes via LLM. Couvre la notation de réponses courtes (ASAG) et d'essais (AES). Propose une taxonomie à 5 dimensions : domaine applicatif, génération de feedback, architecture LLM, alignement avec référentiels de compétences, stratégies de prompt engineering.
Un framework LLM guidé par simulateur pour l'ordonnancement autonome de mines à ciel ouvert. L'LLM agit comme agent décisionnel, contraint par un simulateur encodant les contraintes géotechniques et opérationnelles. Sans fine-tuning ni inférence cloud, il récupère 94-99% de l'optimum MILP avec temps de calcul linéaire.
SocraticPO est un framework de policy optimization pour LLMs qui augmente les rollouts RL avec des guidances en langage naturel de style socratique. Un enseignant diagnostique les erreurs et fournit des corrections concises, associées à une décroissance de récompense pour éviter que le modèle ne dépende de l'aide. Testé sur SciKnowEval, il surpasse les baselines RL et auto-distillation.
CRADLE-Dialogue, un benchmark clinicien-annoté de 600 dialogues, évalue la détection de crise au niveau du tour de parole. Le dataset distingue les signaux d'alerte précoce (Alert) des confirmations explicites (Confirm) pour suicide, automutilation et maltraitance. Un modèle 32B surpasse les modèles open-source existants avec F1 Micro 40-60%.
SDBN combine l'entraînement adversarial avec PEFT pour améliorer la robustesse des modèles sur données limitées. Deux variantes utilisent des ensembles d'incertitude discrets : SDBN-h énumère les édits au niveau caractère, SDBN-p génère des variantes par LLM. Gains substantiels en ressources réduites et sous corruptions.
Des chercheurs montrent que les systèmes d'IA utilisés pour l'examen par les pairs scientifiques sont vulnérables à des manipulations simples : reformuler superficiellement le résumé d'un manuscrit améliore les scores d'acceptation de 38% sans changer le contenu scientifique. L'attaque coûte ~1$ et 5 minutes, affectant Gemini 3 Flash et GPT 5.4 Mini.
Étude de la relation entre confiance interne (log-probabilités), évaluation externe (LLM-as-judge) et exactitude finale dans les débats multi-agents. Framework avec Constructor et Auditor révèle asymétrie de rôle : la confiance du Constructor prédit 2× mieux la qualité du raisonnement jugé et détecte les défaillances critiques (AUROC 0.804 vs 0.634 pour l'Auditor).
ComBench est un benchmark de 100 problèmes de combinatoire niveau Olympiade pour évaluer le raisonnement mathématique des LLM. Il distingue problèmes d'analyse (preuves rigoureuses) et de construction (constructions explicites). Les meilleurs modèles atteignent 65,4% en moyenne et 75,3% en Best@4. Kimi-K2.6 surpasse GPT-4o sur les constructions mais le cède sur les preuves.
Moonshine est un agent autonome générant des conjectures mathématiques. Il extrait des structures de problèmes classiques et formule des conjectures significatives. Appliqué à la conjecture jacobienne, il transfère la logique à des réseaux de neurones affines-ridge, formulant la Neural Jacobian Conjecture (NJC). GPT-5.5-pro et DeepSeek-V4-pro ont obtenu des preuves complètes pour N=n+1.
NeurASP, framework d'IA neuro-symbolique combinant réseaux de neurones et programmation par ensemble de réponses (ASP), bénéficie d'optimisations majeures : vectorisation, traitement par batch et cache des calculs intermédiaires. Les améliorations accélèrent l'entraînement de plusieurs ordres de magnitude sur des tâches complexes.
Des chercheurs découvrent un sous-espace de codage partagé dans le flux résiduel des LLM permettant de détecter quand les agents encodent secrètement des données sensibles (Base64, ROT13, etc.). MIRAGE, un moniteur temps réel exploitant deux signaux mécanistiques, atteint AUC=0.918 sur 126 scénarios d'exfiltration, surpassant largement la détection en sortie (AUC=0.518).
Étude des profils émotionnels dans les traductions LLM de Margaret Atwood (Oryx and Crake). Les systèmes MT introduisent des « empreintes émotionnelles » spécifiques au modèle, avec préservation limitée de la voix auctoriale. Post-édition rapproche les traductions des normes humaines.
Les probabilités logarithmiques des premiers tokens générés prédisent mieux la qualité du raisonnement dans les débats multi-agents LLM que les statistiques sur la séquence complète. Testé sur deux ensembles d'essais ASAP avec évaluation par juge LLM, ce signal intrinsèque offre une estimation légère de la fiabilité du raisonnement.
Étude arXiv mesurant la dépendance des VLMs aux priors textuels plutôt qu'au contenu visuel. Benchmark de 540 images avec 4 variantes de questions par image. 11 modèles testés : tous dégradent sur la variante la plus difficile, les modèles open-source chutent le plus. Ablation sans image réduit les modèles open à 1-9% de performance. GRPO post-training améliore la dépendance à l'image.
Framework unifié intégrant PPO, prédiction time-series, in-context learning, théorie des jeux et analyse de sentiment cross-modal pour systèmes financiers. Résultats : +23.7% optimisation portefeuille, -31.2% erreur trading haute fréquence, +18.9% recommandations, +27.4% convergence Nash, +15.6% sentiment analysis.
Étude d'optimisation d'inférence LLM sur l'architecture Tensix de Tenstorrent. Fusion d'opérateurs (RMSNorm + multiplication matricielle) réduit les accès DRAM et la latence : -37,44% attention, -15,89% MLP sur Qwen2.5-0.5B, Qwen3-0.6B/4B. Mécanisme multicast NoC pour parallélisme multi-cœur.
Engram, un moteur mémoire open-source pour agents LLM, utilise un modèle bi-temporel avec graphe de connaissances pour dépasser la baseline full-context. Sur LongMemEval_S (500 questions), la configuration lean récupère ~9.6k tokens et atteint 83.6% vs 73.2% pour l'historique complet (+10.4 points, p<10^-6), avec 8x moins de tokens.
Anthropic lance Claude Fable 5, un modèle de classe Mythos. Le déploiement est entaché de polémiques autour de ses conditions d'utilisation restrictives.
RFE-Core2 : analyse complète des goulots d'étranglement après probe arc (juin 2026). Le générateur domine (rang effectif ~1.6–3 à dim 512, collinéarité 0.85–0.96). La boucle réflexive reconstitue vers l'ancre indépendamment du rang. Fix 2 dormant sur tokens réels (+0.024 migration). Solution : entraîner le générateur pour que les différences de régime vivent en directions haute-énergie séparables.
Q8botOne est un robot quadrupède sans fil de la taille d'une paume. Cette miniaturisation représente une prouesse technique en matière d'autonomie et de mobilité robotique.
Apodex-1.0 publie des modèles légers open-weights (0.8B, 2B, 4B) optimisés pour les workflows d'agents locaux. Spécialisés en vérification indépendante et fact-checking dans des boucles agentic, ils remplacent les appels répétés à des modèles 70B+. AgentHarness, le framework d'évaluation, est également open-sourcé.
Un tribunal allemand a jugé Google responsable des réponses inexactes générées par son système AI Overviews. La décision établit que Google doit vérifier la fiabilité des contenus générés par l'IA avant leur affichage aux utilisateurs.
Apple lance Container Machines, un outil macOS pour exécuter des conteneurs Linux. Permet le déploiement local de workloads conteneurisés sans dépendances externes.
Développeur crée un gestionnaire de versions pour llama.cpp inspiré par nvm (Node.js). Outil CLI en Go permettant d'installer, basculer et gérer facilement les versions via des commandes simples (lvm install latest, lvm use, lvm ls). Utilise des shims pour pointer automatiquement vers la version active sans manipulation manuelle du PATH.
Fine-tuning de Qwen2.5-7B atteint 96% des performances de Claude Haiku sur une tâche spécialisée (moteur de décision) avec ~$3 d'appels API et zéro annotateurs humains. Méthode DV-DPO : conseil à 3 voix + contre-examen adversarial génère 1 040 paires d'entraînement. Latence 11s vs 3s (T4 4-bit). Boucle autonome en production avec détection d'erreurs et red-teaming automatique.
Vercel active la facturation par seuil pour les équipes Pro : une facture partielle est générée en milieu de cycle dès que l'utilisation à la demande atteint un seuil, au lieu d'attendre la fin de la période. Les factures partielles et celle de fin de cycle s'additionnent sans double facturation.
LSEG utilise OpenAI pour déployer l'IA de confiance à l'échelle mondiale, accélérant l'extraction d'insights, réduisant les cycles de release et autonomisant 4 000 employés.
Anthropic lance Claude Fable 5 et Claude Mythos 5 avec 1M tokens de contexte, 128k tokens max en sortie, knowledge cutoff janvier 2026. Fable 5 inclut des garde-fous stricts ; Mythos 5 sans classifieurs de sécurité. Tarification : $10/M input, $50/M output (2× Opus 4.5-4.8). Willison rapporte performances solides après 5.5h de tests.
Furiosa AI, startup sud-coréenne, développe une puce d'inférence (Renegade) en 5nm TSMC avec HBM3 48GB et 1.5TB/s. Testée sur des LLM LG. L'utilisateur estime qu'une commercialisation grand public avec support llama.cpp serait révolutionnaire pour les LLM locaux, surtout si le prix atteint ~2.5k$.
Anthropic publie Claude Fable 5, explorant les dynamiques de pouvoir dans les systèmes IA frontière via des fables de sécurité. L'article analyse les implications éthiques et les enjeux de contrôle des modèles avancés.
Un homme a été arrêté à tort suite à une mauvaise identification par un système d'IA. L'incident soulève des questions sur la fiabilité des outils de reconnaissance faciale en application policière et les risques de justice erronée.
Sortie de llm 0.32a3, presque entièrement développée par Claude Fable 5. Simon Willison détaille l'utilisation de Claude Code pour ajouter des fonctionnalités à Datasette Agent et llm.
Phinite lance une infrastructure pour systèmes multi-agents avec identité de première classe, gestion de compétences versionnées et évaluation comportementale. Propose registry d'agents, scoring de fiabilité composé, déploiement cloud-agnostique avec observabilité et attribution de coûts. SOC 2 Type II.
Simon Willison documente comment configurer un prix personnalisé pour Claude Fable 5 dans AgentsView, l'outil de Wes McKinney pour tracker l'usage de tokens et les coûts des agents IA locaux. Il a utilisé Fable pour reverse-engineer la solution après que le nouveau modèle ne soit pas encore dans la base de prix.
iOS 27 utilise WaveRNN et FastSpeech2 pour la synthèse vocale de Siri, découvert dans les fichiers du simulateur iOS en format Espresso. Un modèle de régression logistique CoreML est aussi présent pour le classement de contenu.
Tectonic est un moteur TeX/LaTeX modernisé, autonome et complet. Projet open-source visant à remplacer les implémentations TeX classiques par une architecture contemporaine.
Un utilisateur rapporte que Qwen 3 (30B) surpasse les modèles récents sur des tâches de résumé évalués par un juge LLM, suivi de Gemma 4. Il suggère que les versions plus récentes de Qwen seraient optimisées pour les tâches agentic plutôt que la synthèse.
OpenYabby est un orchestrateur multi-agent contrôlé par la voix pour Claude Code. Projet open-source permettant de coordonner plusieurs agents via commandes vocales.
Hugging Face évalue les capacités des modèles ASR frontier (Whisper, Canary, Conformer) sur la parole code-switched bilingue. Les résultats montrent des écarts significatifs de performance selon les paires de langues et les modèles, révélant des limitations des agents vocaux actuels pour servir des clients multilingues.
SkillMAS propose une architecture d'agents IA capable de réorganiser dynamiquement son équipe et de modifier ses outils en temps réel pour résoudre des tâches complexes, dépassant les limites des systèmes multi-agents traditionnels rigides.
Papier co-écrit par 30 experts analysant les risques épistémiques de l'IA : manipulation/persuasion, délégation cognitive, et boucles de rétroaction réduisant l'espace épistémique. Les auteurs proposent des directions pour améliorer la trajectoire via la conception des systèmes, l'interaction humain-IA, et les incitations des marchés informationnels.
L'UE ordonne à Meta de permettre aux chatbots IA concurrents d'accéder gratuitement à WhatsApp. Cette décision s'inscrit dans l'application du Digital Markets Act visant à réduire les pratiques anticoncurrentielles des grandes plateformes technologiques.
Andrej Karpathy commente Claude Fable 5 : la disponibilité croissante de logiciels fonctionnels sur demande crée un paradoxe de Jevons où la demande explose. Génération d'expliqueurs, visualiseurs, dashboards, apps sur mesure, suites de tests, optimisation de code et projets de recherche deviennent accessibles instantanément.
OSCAR RotationZoo propose une quantification 2-bit du KV cache via rotation spectrale hors-ligne. Implémentations disponibles pour Gemma-4-12B, Qwen3-32B et Qwen3-4B-Thinking avec GGUF et intégrations llama.cpp/sglang.
Anthropic déploie Claude Fable 5 et Mythos 5, surpassant la génération Opus en code et science. Fable 5 a complété une migration Stripe en un jour (vs deux mois en équipe). Mythos 5 conçoit des candidats médicaments mais reste restreint pour ses capacités cyber offensives.
En 2019, OpenAI a jugé GPT-2 trop dangereux pour une publication complète, craignant les abus potentiels. L'article revient sur cette décision controversée de retenir le modèle, qui a marqué un tournant dans le débat sur la responsabilité des éditeurs IA.
Discussion sur l'évolution des modèles ASR : Whisper-large-v3 (5M heures) et Nvidia Parakeet v3 (660k heures) dominent via l'apprentissage supervisé. Nouvelles architectures (Transducer, Token-Duration-Transducers, attention encoder-decoder Qwen) remplacent CTC+self-supervised. Question : l'auto-supervision (Data2Vec2.0, WavLM) disparaîtra-t-elle pour l'ASR ou aura-t-on un moment « Dino » en speech ?
Cohere lance officiellement North Mini Code avec poids disponibles sur Hugging Face (fp8). Le modèle supporte le parsing d'outils et le reasoning via vLLM avec la librairie Melody. Déploiement sur OpenCode gratuit.
Défi communautaire pour optimiser l'inférence de Gemma 4 E4B sur GPU A10G. Les participants testent des techniques d'accélération en temps réel pour réduire la latence et augmenter le débit sur une seule carte.
Google lance Gemini 3.5 Live Translate, un modèle audio pour la traduction vocale en temps réel dans plus de 70 langues. Le système traduit en continu sans attendre la fin des phrases et préserve le ton, le rythme et la hauteur du locuteur. Google Meet passe de 5 à plus de 70 langues supportées.
Anthropic publie les System Cards de Claude Fable 5 et Claude Mythos 5, documents détaillant les capacités, limitations et considérations de sécurité de ces modèles. Évaluation systématique des risques et performances.
Cohere North Mini Code 1.0, modèle 30B spécialisé en code, est en accès final. Score Artificial Analysis de 28 global (faible vs Qwen 3.6 35B: 43), mais compétitif en index coding (33 vs 35 Qwen). Poids disponibles sur HuggingFace.
Unsloth publie des modèles Gemma 4 quantifiés (QAT) en versions 12B, 26B, 31B et jusqu'à E4B. Les modèles sont disponibles en q8_0 et formats multiples sur Hugging Face, avec variantes mobiles pour les plus grands modèles.
SpaceX envisage de lancer des data centers en orbite. Un premier satellite IA égalerait la puissance d'un rack Nvidia GB300, mais la recherche de Google suggère que l'entraînement IA réel nécessiterait ~10 000 satellites étroitement couplés.