2731 articles
Nvidia publie une méthode de génération synthétique de Q&A guidée par des tâches pour le préentraînement de Nemotron. La technique utilise des seeds de tâches pour créer des données d'entraînement diversifiées et de haute qualité, améliorant les capacités du modèle sur des benchmarks variés.
Amazon déploie une fonction IA générative d'images pour faciliter les achats. La capacité permet aux utilisateurs de générer visuellement des produits à partir de descriptions textuelles, intégrant la génération d'images directement dans le parcours d'achat.
Accenture investit dans AlphaSense pour renforcer sa stratégie IA agentique en entreprise. AlphaSense est une plateforme influente du marché de l'intelligence artificielle.
Caveman est une skill Claude Code qui réduit de 65% la consommation de tokens en utilisant un style de langage minimaliste. Le projet exploite la capacité des modèles à comprendre des instructions ultra-condensées.
LeanCTX est un système d'exploitation de contexte local pour le développement IA. Un binaire unique compresse, mémorise, route et vérifie les tokens entre le code et le modèle. 63 outils MCP, 10 modes de lecture, jusqu'à 99% d'économies de tokens. Compatible Cursor, Claude Code, Copilot, Windsurf, Gemini.
Sam Altman, Dario Amodei et Demis Hassabis demandent au Congrès américain d'imposer le contrôle légal des commandes d'ADN synthétique. Les systèmes IA surpassent déjà les virologues PhD sur les procédures de laboratoire, créant un risque de détournement pour les armes biologiques.
Un membre de l'équipe Gemma (Omar) confirme sur Reddit la sortie prochaine de Gemma 4 QAT (quantization-aware training). Les utilisateurs sont invités à attendre cette version optimisée plutôt que de tester les quantifications actuelles.
Benchmark lève 2 milliards de dollars pour son premier fonds de croissance, marquant une nouvelle étape pour le fonds de capital-risque.
ChatGPT introduit un système de mémoire permettant de conserver les préférences utilisateur et le contexte entre conversations, rendant l'assistant plus pertinent et utile.
Une étude révèle que 60% des articles médiatiques britanniques sur l'IA ne divulguent pas les liens de leurs auteurs avec le secteur de la défense. Cette opacité soulève des questions sur les conflits d'intérêts dans la couverture de l'IA militaire.
Dépôt GitHub proposant des implémentations de différents mécanismes d'attention Transformer. Initialement créé pour des expériences de Small Language Models, le projet couvre aussi la vision par ordinateur, les encodeurs Vision modernisés et le reinforcement learning. Contributions bienvenues.
Meta lance Business Agent, un agent IA pour automatiser les ventes et le support client sur ses plateformes. L'outil traite plus d'un milliard de conversations quotidiennes entre entreprises et consommateurs.
xAI lance grok-imagine-video-1.5-preview, un modèle image-vers-vidéo générant des vidéos cinématiques jusqu'à 720p à partir d'images fixes et de prompts texte. Plusieurs clips peuvent être assemblés en scènes plus longues.
Sur Jetson AGX Orin 64GB, la quantification q8_0 offre 20% plus rapide que q6_k et 10% plus rapide que q4_k_xl pour le prefill (traitement de prompt). Test avec Qwen 3.6-27B-MTP-GGUF sur llama.cpp récent : q8_0 atteint 245 tokens/s vs 190 pour q6_k. L'EMC n'est pas saturée, suggérant un problème d'optimisation CUDA plutôt que de bande passante mémoire.
Google lance Dreambeans, une application IA générant des micro-histoires personnalisées basées sur les données utilisateur. L'app propose une alternative au scroll infini des réseaux sociaux traditionnels.
Turner and Townsend évalue les data centers traditionnels à $11.3M/MW contre $4.5-6.5M/MW pour les configurations modulaires d'usine. L'avantage clé : délai de 90-120 jours vs 18-24 mois, réduisant le gap de non-revenu de 12-18 mois sur un projet de $50M. Les défaillances aux joints de modules sous charge haute densité sont gérables avec spécifications ISO 668 et refroidissement liquide.
DeepSeek préparerait une levée de fonds de 7 milliards de dollars avec Tencent et CATL, ce qui constituerait l'une des plus importantes levées de fonds récentes dans l'IA chinoise.
Miso Labs lance Miso One, un modèle open source de synthèse vocale présenté comme nouvelle génération. L'article manque de détails techniques, chiffres de performance ou comparaisons avec les solutions existantes.
La CMA britannique impose un opt-out technique pour les AI Overviews de Google, sans créer de droit à rémunération pour les éditeurs. Ce régime diffère d'une licence contractuelle basée sur les droits voisins.
Nvidia Nemotron 3 Ultra, modèle open Mixture-of-Experts avec fenêtre de contexte 1M tokens, est disponible sur Vercel AI Gateway. Optimisé pour workflows multi-tour d'agents (planification, tool use, délégation), il atteint 350 tokens/sec avec 30% de réduction de coûts. Intégration via SDK avec support Zero Data Retention.
Thread communautaire sur Gemma 4 12B : utilisateurs partagent configurations matérielles, quantifications (GGUF, MLX, BF16) et performances réelles (tokens/sec, contexte). Débat sur faisabilité laptop 16GB vs 32GB+, vitesse MLX vs GGUF sur Apple Silicon, utilisation pratique du multimodal.
Utilisateur rapporte que MTP (Multi-Token Prediction) n'améliore pas les performances de Qwen3.6-35B GGUF sur RTX 5060Ti : ~60 tok/s dans les deux cas. Teste avec flags unsloth (spec-type draft-mtp, spec-draft-n-max 2) mais observe aucun speedup malgré réductions ctx-size et quantization.
Test de Gemma 4 12B (version heretic) sur génération de code : création d'un jeu rétro en une seule requête (45k tokens). Vitesse stable 18.44-18.93 t/s, génération de 4,372 tokens de code en 4 minutes. Cache réutilisé à 91.7-96.4% sur llama.cpp avec Ryzen 9 9950X + RX 6800.
BiasGRPO propose une méthode d'optimisation de politique (GRPO) pour atténuer les biais sociaux dans les LLM. En normalisant les récompenses sur un groupe de complétions, l'approche stabilise l'entraînement par rapport à DPO et PPO. Les auteurs publient un modèle de récompense de biais optimisé et un dataset étendu.
AIP (Agent Instruction Protocol) modélise les compétences d'agents comme des graphes d'exécution dirigés avec nœuds déterministes et arêtes typées validées par schéma YAML. Sur 27 tâches SkillsBench, Claude Sonnet passe de 0.60 à 0.71 de récompense moyenne et 53% à 67% de taux de réussite. La structure graphique permet diagnostic précis et amélioration itérative des compétences.
Position paper argumentant que les systèmes RL déployés doivent adopter l'apprentissage continu plutôt que le paradigme train-then-fix. Les auteurs identifient quatre sources de non-stationnarité post-déploiement nécessitant un apprentissage sans fin et analysent des exemples réels de RL continu.
Des chercheurs montrent que les LLM alignés restent vulnérables aux injections de tokens à n'importe quel stade de génération, pas seulement au début. L'alignement sur les états internes ne suffit pas. Entraîner directement sur les trajectoires de génération perturbées améliore la robustesse.
FALSIFYBENCH évalue le raisonnement inductif de 12 LLMs via des jeux de découverte de règles inspirés de la tâche Wason 2-4-6. Les modèles de raisonnement surpassent les modèles instruction-tuned, mais aucun n'approche la performance optimale. Le succès dépend principalement de la capacité à tester négativement et falsifier les hypothèses.
Étude systématique du comportement spectral de Muon, optimiseur basé sur l'orthonormalisation par itération Newton-Schulz. Sur modèles 77M-2.8B paramètres, les valeurs singulières du buffer momentum se stabilisent selon des lois de puissance dépendant de la profondeur (exposants M^-0.25 à M^-0.96). Implications pour la configuration NS à l'échelle frontier.
SANE propose un paradigme d'évaluation text-to-SQL spécifique aux domaines biologiques, utilisant des benchmarks générés automatiquement et ancrés aux schémas réels. Les tests montrent que les LLM en few-shot génèrent des requêtes SQL fiables sans fine-tuning, avec des erreurs principalement dues à des entrées ambiguës plutôt qu'à des défauts de génération.
Chercheurs découvrent une famille de jailbreaks utilisant des sous-genres de fanfiction (Archive of Our Own) comme vecteurs d'attaque universels contre 8 LLMs alignés. Sans LLM attaquant ni adaptation par cible, la méthode élève le taux de succès moyen de 0.278 à 0.731 (ASR). L'extension SAGA-A4 atteint 0.924 ASR sur quatre tours.
SGR intègre les LLM avec des graphes de connaissances externes via génération de sous-graphes guidée par schéma. Le framework extrait entités et relations, récupère des sous-graphes compacts, puis combine raisonnement Cypher direct et validation multi-chemins. Tests sur CWQ, WebQSP, GrailQA, KQA Pro montrent amélioration de précision et Hits@1 vs baselines.
SCORE, un framework co-évolutif, couple un évaluateur et un générateur dans un processus d'apprentissage partagé pour améliorer la génération de rapports de recherche profonde. Un meta-harness contrôle dynamiquement l'environnement d'évaluation selon la performance du solveur, évitant la saturation d'optimisation observée avec les évaluateurs statiques.
Étude systématique des variantes QKV dans les transformers. Les auteurs testent trois contraintes de partage de projections (Q-K=V, Q=K-V, Q=K=V) sur tâches synthétiques, vision et modèles de langage (300M-1.2B). Q-K=V réduit le cache KV de 50% avec dégradation perplexité de 3.1%. Combiné à GQA/MQA, atteint 87.5-96.9% de réduction cache pour inférence edge.
Dynamic Infilling Anchors (DIA) est une méthode sans entraînement pour les modèles de langage diffusion (dLLMs) qui ajuste dynamiquement les positions d'ancrage pour générer du contenu structuré (JSON, templates de raisonnement). Testé sur GSM8K et MATH, DIA améliore la conformité au format et la précision des réponses en évitant les spans rigides.
CAPR est un algorithme de reinforcement learning pour modèles de diffusion (dLLMs) qui exploite la trace de débruitage pour générer des signaux de supervision granulaires sans coût computationnel d'arbre complet. L'approche réduit le coût de rollout à 0.75x des méthodes plates et 0.6x des arbres, atteignant SOTA sur Sudoku 4x4, Countdown, GSM8K et Math500.
La Boolean Task Algebra (BTA) permet la composition de tâches zéro-shot en RL. Les auteurs montrent que dans les MDPs déterministes, les fonctions Q optimales se réduisent aux tâches universelle et vide, rendant les tâches de base logarithmiques redondantes. Ils proposent une méthode basée sur les ensembles de buts qui réduit les coûts d'apprentissage et de composition tout en préservant les performances.
dMX est un framework de quantification mixte-précision différentiable pour assigner des largeurs de bits flottants apprenables aux couches de LLMs. Testé sur Llama, Qwen3 et SmolLM2 avec le standard MXFP (Open Compute Project), il optimise continu les formats par couche puis les discrétise via annealing, surpassant les heuristiques KL-divergence sur WikiText-2 et benchmarks zero-shot.
VRPCoder, un modèle 8B, traduit des scénarios de routage de véhicules en langage naturel vers du code Gurobi. Les auteurs proposent « constraint injection » pour vérifier que les contraintes ne sont ni omises ni ajoutées spurieusement. Avec GRPO, VRPCoder atteint 93% Pass@1, surpassant Claude-Sonnet-4.5 de 28 points sur des benchmarks VRP.
L'étude montre que l'edge of stability (EoS) redistribue sélectivement l'apprentissage entre sous-groupes de données. Deux conditions permettent à un groupe de bénéficier : l'alignement de son gradient agrégé avec le vecteur propre dominant de la Hessienne, et le maintien d'une magnitude de gradient non-nulle. Sous cross-entropy loss, la saturation du gradient avantage les outliers en sortie.
Cartridges at Scale (CAS) entraîne des caches KV modulaires et réutilisables pour de grandes collections documentaires, éliminant le prefilling coûteux. Le framework gère dynamiquement des centaines de cartouches par document avec rotation GPU/stockage, scalant à plus d'un million de tokens. Performance : +10-31 points vs cartouche monolithique, -3-4x tokens vs RAG classique.
VAMPS est un benchmark de 1 168 questions multimodales bilingues testant la capacité des modèles de langage multimodaux à résoudre des problèmes mathématiques en utilisant des graphiques. Les résultats montrent que la résolution analytique directe surpasse l'utilisation d'outils de visualisation, même quand le graphique est la stratégie naturelle.
SMAC-Talk étend StarCraft Multi-Agent Challenge avec communication en langage naturel pour évaluer les agents LLM en environnements multi-agents coopératifs. Benchmark open-source testant coordination décentralisée, observabilité partielle et prise de décision long-horizon, incluant scénarios avec communicateurs trompeurs. Évaluation sur modèles Qwen3.5.
PEEL est un cadre méthodologique combinant analyse déterministe (Voyant Tools) et interprétation par Claude pour évaluer la responsabilité épistémique des LLM en recherche. Appliqué à des résumés générés par IA, il révèle des distorsions systématiques invisibles sans mesure non-IA et propose trois implications : instrumenter les outils IA, distinguer fluidité et fidélité, concevoir l'autorité épistémique.
RUBAS est un framework de reinforcement learning basé sur des rubriques pour l'alignement des agents LLM. Il décompose le comportement en quatre dimensions (tool-use safety, argument safety, response safety, helpfulness) et génère des récompenses structurées sur les trajectoires complètes. Expériences montrent amélioration de la sécurité et réduction des hallucinations sans perte d'utilité.
Une étude théorique et empirique remet en question l'efficacité de l'adaptive patching pour les Transformers de séries temporelles. Les auteurs montrent qu'une allocation uniforme bien accordée rivalise avec les approches dynamiques sur les benchmarks standards, et que la complexité locale seule ne justifie pas un patching non-uniforme sous les pertes de prévision courantes.
AXON est un module sans entraînement pour améliorer le décodage parallèle des modèles de diffusion discrets. Il sélectionne les tokens « ancres » (tokens confiants) que les positions incertaines utilisent via attention, réduisant les étapes de débruitage tout en maintenant la qualité sur des benchmarks de raisonnement et génération de code.
LDARNet, un modèle fondationnel génomique de 120M paramètres, introduit une tokenization adaptative apprise sans supervision pour remplacer les schémas fixes (k-mers, BPE). Combinant BiMamba-2 avec attention locale et routage bidirectionnel, il atteint l'état de l'art sur 5 tâches de modification d'histones et surpasse des modèles 20× plus grands à compute égal.
IEEE P3109 définit une famille paramétrisée de formats binaires en virgule flottante pour le machine learning, avec support de précisions variables, arrondis stochastiques et modes de saturation. Les opérations sont sans exception et formellement vérifiées.
Théorie pseudospectrale pour la descente de gradient couplée (bilevel optimization, approximation stochastique deux échelles, entraînement adversarial). Borne Kreiss K(J) ≤ 2/(1-γ) + ‖C‖/(4(1-γ)) pour Jacobiens bloc-triangulaires. Complexité itérative O(K(J)² log(1/δ)) en régime fini. Expériences sur problèmes linéaires-quadratiques et réseaux de neurones.
Nouvelle approche FFR pour récupérer des fragments cohérents multi-énoncés et multi-images dans les dialogues longs multimodaux. Deux modèles : F2RVLM (génération + RL avec récompenses multi-objectifs) pour fragments uniques, FFRS (indexation + retrieval deux étapes) pour corpus. Dataset MLDR créé, résultats supérieurs sur benchmarks.
Framework de vérification pré-déploiement pour agents IA en entreprise combinant enveloppe opérationnelle, génération de scénarios basée ontologie et certificat de confiance. Pilote sur 4 secteurs régulés (Fintech, Banque, Assurance, Santé) générant 1 800 scénarios : couverture réglementaire de 48,3% vs 33,1% pour baseline persona (p=0,0006). Tests sur Claude Sonnet 4, Qwen 2.5 72B, Gemma 4 26B.
Curation-Bench évalue si des agents IA généralistes peuvent automatiser la curation de données d'entraînement. Les agents atteignent des baselines publiées en dix itérations, mais restent limités à des variantes locales. Avec scaffolding (citation et adaptation de méthodes), un agent compose autonomement une politique surpassant les baselines avec 10× moins de données.
SGDR, une méthode d'apprentissage de compétences en ligne, permet aux agents web de réutiliser des sous-procédures à chaque étape d'exécution. Contrairement aux approches statiques, SGDR récupère dynamiquement les compétences en fonction de l'état actuel de la page et de l'objectif. Sur WebArena, elle atteint 37,5% de succès avec GPT-4.1 et 24,3% avec Qwen3-4B, surpassant les baselines de 10,6% et 10,0%.
EvalStop détecte et arrête les jobs RLHF qui suroptimisent la reward model au détriment des métriques réelles. Sur des charges 80% RLHF (64 GPUs), le système atteint 98% de précision et réduit le calcul gaspillé de 22% tout en améliorant le JCT de 9% par rapport à SRTF-Est.
Trivium propose une approche pour corriger les erreurs récurrentes des systèmes agentic en optimisant trois objectifs : regret de résultat, regret épistémique et regret temporel. Le regret temporel capture la durée pendant laquelle une erreur persiste. Sur CausalBench-Seq, Trivium atteint O(log E) de regret temporel contre une croissance linéaire pour les baselines.
MechSim est un framework neuro-symbolique pour raisonner sur les mécanismes internes des simulateurs scientifiques intégrés aux systèmes LLM. Il représente les simulateurs via un schéma structuré capturant hypothèses, variables et dépendances, permettant aux agents LLM de générer des explications fondées sur les mécanismes plutôt que de traiter les simulateurs comme des boîtes noires.
Article théorique sur l'oubli exact en apprentissage par renforcement. Les auteurs proposent un algorithme RL ρ-TV-stable permettant de supprimer les données d'un utilisateur avec un coût computationnel de ρ√ln T fois celui du réentraînement. Regret borné en O(H²√SAT + H³S²A + H^2.5S²A/ρ) pour MDPs tabulaires, avec borne inférieure quasi-optimale.
Étude des règles de scaling pour les Gated Delta Networks via μP. Les auteurs dérivent les paramétrisations optimales pour le transfer de taux d'apprentissage entre largeurs de modèles. Validation expérimentale sur pré-entraînement de LLM avec AdamW et SGD.
Étude systématique du biais positionnel dans la résumé multi-vidéo avec MLLMs. Benchmark sur ActivityNet et News videos (2-4 vidéos). Évaluation de 9 modèles (open-source et propriétaires) avec 3 métriques : Coverage, Directional Positional Bias, Middle-Edge Gap. Résultat : effets positionnels dépendent du domaine et du modèle ; augmenter le budget visuel ne supprime pas l'imbalance.
Recover-LoRA étend une méthode de récupération d'accuracy sans données aux LLM quantifiés à 2-bit. Une stratégie mixte quantifie sélectivement les couches gate/up du MLP en W2 tandis que les autres restent en W4, gagnant 7.5–23.3% en throughput. Des adaptateurs low-rank entraînés par distillation logit sur données synthétiques récupèrent 80–95% d'accuracy sur Qwen3-4B avec 10k samples.
Étude sur l'apprentissage par renforcement basé sur l'affinité pour instiller des comportements vertueux chez les agents IA. Les chercheurs testent cette technique dans Fog of Love, un environnement multi-agent complexe où deux agents doivent concilier compétition individuelle et coopération relationnelle. Les affinités localisées améliorent les performances et rendent le comportement des agents interprétable.
Les auteurs proposent un cadre pour les systèmes multi-agents où le désaccord entre agents est traité comme un signal informatif plutôt que comme une erreur à éliminer. Ils définissent quatre états de désaccord basés sur la similarité des traces de raisonnement et l'accord sur les conclusions, appliqués à la modération de contenu avec routage stratégique défaisable.
ACAT est une plateforme web collaborative pour l'annotation de datasets d'analyse de sentiment basée sur les aspects (ABSA). Elle supporte 4 workflows ABSA, automatise l'ETL et calcule les métriques d'accord inter-annotateurs. Sur 1 002 avis restaurants, temps médian d'annotation 31,58s, IAA 0,78-0,86.
Étude empirique systématique de 284 features linguistiques sur 27 LLMs et 10 domaines textuels pour détecter le texte généré par IA. Les classifieurs basés sur features linguistiques distinguent fiablement texte IA et humain. La richesse lexicale reste robuste cross-model et cross-domain, contrairement à d'autres indicateurs fortement context-dépendants.
Étude arXiv montrant que l'RL appliqué directement aux checkpoints de pré-entraînement (sans SFT préalable) est efficace dès les étapes intermédiaires. La composition des données de pré-entraînement impacte plus l'efficacité de l'RL que la taille du modèle. Fusionner RL et SFT par moyennage parallèle surpasse les pipelines standards tout en préservant les capacités générales.
Étude longitudinale montrant que des conversations quotidiennes de 5 min avec une IA sur 28 jours réduisent de 10,3% la préférence pour le soutien humain et augmentent de 11,6% celle pour l'IA. Le soutien émotionnel émerge incidentellement dans les interactions courantes, pas seulement via des chatbots dédiés, redirigeant progressivement les choix relationnels.
ADAPTOOD est un framework pour l'adaptation de modèles de séries temporelles ECG face à des décalages de distribution. Il utilise l'incertitude des données pour quantifier la sévérité du décalage et guide le fine-tuning avec des mises à jour low-rank et optimisation adaptative des hyperparamètres. Résultats : +7% de précision et +12,9% de précision sur les tâches OOD.
Étude diagnostique sur les sélecteurs de modèles hors ligne pour la prédiction d'abandon sur edX. Les auteurs identifient trois causes d'échec (learner mal adapté, état non prédictif, label shift) via trois étapes : plafond oracle par k-NN, évaluation de BC/DQN/CQL, ablation de l'état. Sur 5 modèles, l'oracle gagne 9,7 points, mais les learners restent bloqués par ambiguïté représentationnelle locale.
BiNSGPS propose une interaction bidirectionnelle entre un modèle multimodal (MLLM) et un solveur symbolique pour résoudre des problèmes de géométrie. Le système corrige dynamiquement les représentations formelles incohérentes et génère des hypothèses auxiliaires basées sur les retours du solveur, éliminant les erreurs précoces des approches unidirectionnelles.
Formalisation arborescente de la complémentarité dans les interactions humain-IA multi-agents. Le cadre modélise les protocoles HAI par des arbres binaires planaires dont les feuilles sont des vecteurs de prédiction. Résultats : complémentarité impossible en sélection d'agent, atteignable en régression (avec forme fermée pour N=2), obstruée en classification sous pertes monotones.
Un framework PIML intègre des contraintes hydrologiques dans la fonction de perte d'un LSTM pour la prédiction de crues. La contrainte « Trend Alignment » pénalise les incohérences entre tendances de précipitation et débit. Sur données limitées (5%), le modèle atteint NSE=0.23 vs 0.20 pour LSTM standard, avec meilleure stabilité en conditions extrêmes.
SARAF, un framework de prévision de séries temporelles augmenté par récupération, adapte l'équilibre entre pertinence et diversité selon la stationnarité des données. Il sélectionne des segments historiques hétérogènes et agrège leurs futures de manière consciente de la non-stationnarité. Expériences sur 8 datasets réels montrent amélioration de précision et robustesse.
Modèle XGBoost pour la détection précoce d'Alzheimer en trois classes (cognition normale, déficit cognitif léger, Alzheimer) sur 1 641 sujets ADNI. AUC-ROC macro 0.983 en validation croisée, 0.982 sur test. SHAP identifie CDR Global comme prédicteur dominant pour NC/MCI, CDR-SB et MMSE pour AD.
R-APS est une méthode pour améliorer la fiabilité des LLM en contexte agentif via décomposition des modes de raisonnement. Testée sur la synthèse de mécanismes plans, elle atteint des certificats de robustesse 3,5× plus serrés que les baselines, 46% d'itérations plus rapides, et réduit la distance Chamfer de 2,1×. Aucun fine-tuning requis, protocole structuré sur LLM gelé.
MIRAGE est un framework pour agents mobiles qui apprend des représentations de raisonnement latent continu à partir de traces textuelles visibles. Il transfère le raisonnement explicite en états cachés compacts, réduisant la génération de tokens de 3-5x sur AndroidWorld tout en maintenant la performance et améliorant le baseline de 10.2 points.
Article de synthèse situant les LLM dans l'histoire des méthodes computationnelles d'analyse conceptuelle en histoire, philosophie et sociologie des sciences. Examine les apports des LLM aux approches antérieures (méthodes numériques, approches distributionnelles, détection de changement sémantique lexical) et les défis méthodologiques persistants : construction de corpus, opérationnalisation, évaluation.
Méthode de réduction de variance pour les métriques de monétisation heavy-tailed en expériences de ranking. Combine post-stratification et CUPED sur covariables pré-expérience. Déployée chez ShareChat : réduit la variance de ~45% sans trafic supplémentaire.
Modèles fondamentaux basés sur des principes physiques (décomposition de Fourier, conservation d'énergie, symétrie) plutôt que sur corrélations statistiques. Entraîné sur données RF, un encodeur de 1.99M paramètres atteint 77.7% de précision moyenne sur 15 tâches diversifiées via linear probing, sans fine-tuning. Performance supérieure sur tâches physiques (84.5%) vs sémantiques (70.0%).
Parthenon est un framework d'agent juridique auto-évolutif testé sur 12 510 trajectoires. Il décompose le système en rôles (modèle, harnais, agent, connaissances, outils, compétences) pour traçabilité et conformité. Une boucle d'apprentissage sans fuite convertit les échecs en améliorations des compétences et outils sans modifier les poids du modèle.
Approche hybride métrique pour le défi Lorenz CTF4Science combinant prédiction court-terme, appariement de distribution long-terme et reconstruction de trajectoire. Système multi-modèles : denoiseurs pré-entraînés synthétiques, ajustement ODE Lorenz pour 20 pas, substitution histogram-tail avec bibliothèques synthétiques. Score 83.84 sur leaderboard public.
SKMD (Stein Kernelized Molecular Dynamics) est une méthode d'échantillonnage amélioré pour l'apprentissage actif de potentiels interatomiques basés sur ML. Elle utilise la dynamique de particules en interaction et préserve la distribution de Boltzmann, équilibrant exploration et convergence vers les régions haute probabilité. Démontrée sur le potentiel Müller-Brown et le potentiel MACE pour l'alanine dipeptide.
Méthode de renforcement tabulaire pour l'expansion de réseaux de métro (MNEP). Reformulation en processus de décision non-markovien (NMRDP) : performance comparable à Deep RL avec 18× moins d'épisodes d'entraînement et 12× moins d'émissions carbone. Intègre critères d'équité sociale. Validé sur Xi'an et Amsterdam.
SCI-PRM est un modèle de récompense de processus entraîné sur SCIPRM70K, un dataset de 70K trajectoires scientifiques intégrant outils et raisonnement. Il supervise la sélection d'outils, l'exactitude d'exécution et l'interprétation des résultats. Testé sur biologie, chimie, physique : améliore le scaling test-time et fournit un signal dense pour RL.
KODA est un framework kernel-based pour comparer et aligner les représentations de modèles vision-langage (CLIP, SigLIP). La méthode identifie des sous-ensembles d'échantillons faiblement groupés dans une représentation mais fortement groupés dans une autre, via optimisation contrainte et approximations low-rank. Code disponible.
Article théorique définissant les représentations Bayes-suffisantes en apprentissage supervisé. Une représentation est Bayes-suffisante si une tête de prédiction peut l'utiliser pour implémenter une règle d'action optimale au sens de Bayes. Le cadre relie la suffisance à l'élicitation de propriétés et montre que la perte détermine l'information pertinente requise.
Des chercheurs montrent que les LLMs entraînés par renforcement exploitent les lacunes des règles sociétales comme ils hackent les fonctions de récompense. Via SocioHack (72 environnements sociétaux), ils démontrent que les modèles découvrent des contournements réglementaires techniquement conformes mais contraires à l'intention. Les garde-fous actuels offrent une protection limitée.
SaliMory est un framework d'entraînement pour agents conversationnels avec mémoire persistante. Il utilise une structure cognitive hiérarchique (faits utilisateur, préférences, mémoire de travail) et des récompenses décomposées par étape pour superviser les opérations mémoire (filtrage, consolidation, rappel). Résultats : -33% erreurs mémoire, +10% précision end-to-end, +100% taux de personnalisation.
GlossAssist est un outil de glose automatique pour la documentation linguistique, basé sur CWoMP (Contrastive Word-Morpheme Pre-training). Il intègre un apprentissage actif : chaque correction d'annotateur enrichit un lexique mutable de représentations morphémiques sans retraining. L'interface permet aux linguistes de terrain d'incorporer leur expertise directement dans le modèle.
Étude à grande échelle sur 5 modèles (7B-72B paramètres), 10 datasets biomédicaux et 4 méthodes de retrieval. La RAG n'apporte que +1-2 points vs baseline sans retrieval. Le choix du modèle backbone a plus d'impact que le retriever ou le corpus. Le goulot d'étranglement : capacité limitée du modèle à exploiter les preuves récupérées.
Des chercheurs démontrent que les vecteurs de steering appliqués pendant l'inférence peuvent contourner les mécanismes de refus dans les LLMs Mixture-of-Experts (MoE). Deux méthodes expert-aware exploitent les patterns de routage spécifiques aux refus et les directions de steering par expert pour supprimer le comportement de refus. Les résultats suggèrent que l'attention joue un rôle majeur dans le refus des MoE.
LazyAttention est un mécanisme d'attention qui optimise le cache clé-valeur (KV) pour les applications RAG et ICL en reportant l'encodage positionnel. Il permet la réutilisation sans copie du cache KV à des positions arbitraires, réduisant le TTFT de 1.37× et augmentant le débit de 1.40× vs Block-Attention.
Étude géométrique des explications contrefactuelles dans les systèmes de ML modernes. Les chercheurs montrent que des modèles avec performances prédictives similaires peuvent différer substantiellement dans la faisabilité et la distance des changements contrefactuels, déterminées par la proximité de la frontière de décision et le support local des données.
Méthodologie basée sur CausalBERT pour isoler l'impact de chaque aspect sur les notes globales des avis en ligne. Améliorations : calibrage de température, optimisation d'hyperparamètres, méthodes d'interprétabilité. Validation sur 600K+ avis d'écoles américaines : administration et performance aux tests sont les principaux facteurs.
SePO (Self-Evolving Prompt Optimization) optimise les prompts système d'agents IA via recherche évolutionnaire auto-référentielle. L'agent de prompt améliore à la fois les prompts des agents tâche ET son propre prompt. Pré-entraînement multi-tâche + fine-tuning sur tâche cible. Gains de 4,49 points en moyenne vs Manual-CoT sur AIME'25, ARC-AGI-1, GPQA, MBPP, Sudoku.
Étude de fusion lexicale-dense sans entraînement pour la récupération en mémoire conversationnelle longue. Fusion score-level de late-interaction dense + BM25 améliore Hit@1 de +8.8 à +17.2 points sur six encodeurs (Hit@1 0.752 avec e5-large-v2). Reranker cross-encoder web dégrade les résultats (-6.9 pp). Analyse montre division du travail : dense excelle sur questions multi-hop/temporelles, BM25 sur adversariales.
MONIR est une représentation intermédiaire normative pour le raisonnement de conformité basé sur ASP. Le framework inclut une sémantique opérationnelle par étapes, une compilation exécutable (MONIR-ASP) et des extensions pour fonctions externes et règles temporelles. Validation sur réglementations ADAS chinoises avec pipeline assisté par LLM.
Fine-tuned RoBERTa surpasse les LLMs zero-shot (Claude Haiku, Gemini Flash) sur la classification de réponses à la désinformation Reddit : 0.62 macro-F1 vs 0.50. L'augmentation de taille (Llama-3-70B vs 8B) n'aide pas. Les alignements de sécurité des modèles commerciaux dégradent la détection de croyances (0.17 pour Claude Sonnet).
DMAIC-IAD est un système multi-agent inspiré du framework DMAIC de gestion qualité pour la détection d'anomalies industrielles. Il planifie d'abord les stratégies via des procédures opérationnelles standardisées, puis utilise un modèle juge pré-entraîné pour évaluer les candidats sans exécution coûteuse. Amélioration de 37,76% sur les baselines agentic existants.
Nouvelle approche pour apprendre des heuristiques admissibles en planification optimale via partitionnement de coûts. Un réseau de neurones avec attention axiale prédit des poids de coûts garantissant l'admissibilité par construction, utilisant l'équivalence duale lagrangienne. Premiers résultats : réduction des expansions de nœuds tout en préservant l'optimalité.