2731 articles
Étude ML sur la prévision des rendements de riz en Sierra Leone avec données limitées. XGBoost + données climatiques satellites (CHIRPS, NASA POWER) réduit l'erreur de 34% (RMSE 284 vs 428 kg/ha). Les pluies de mai-juin sont le prédicteur dominant. Pipeline open-source fourni.
Des chercheurs montrent que le bruit structuré dans les activations des réseaux de neurones artificiels améliore leur robustesse face aux attaques adversariales et modifications d'images naturelles. Cette approche s'inspire de la variabilité neuronale observée dans le cortex biologique et ne nécessite que des informations locales.
OdysSim présente une investigation systématique de modèles fondamentaux pour simuler le comportement humain. Les chercheurs proposent SOUL, une taxonomie de 5 axes (CONV, SS, COG, ROLE, EVAL) unifiant 62 datasets et 23 tâches. Le modèle OSim 8B open-source surpasse les modèles frontier sur 8/23 tâches, avec alignement réactionnel de 93.2% vs 93.5% pour les utilisateurs réels.
Dose-AIPTB propose une méthode basée sur l'attention pour estimer la probabilité qu'un traitement bénéficie à un patient individuel sous différentes doses. Le framework reformule le problème en classification binaire du signe de l'effet de traitement individuel, utilisant des comparaisons par paires et agrégation par attention. Code disponible sur GitHub.
SuperThoughts compresse les paires de tokens CoT consécutifs en représentations latentes uniques et décode deux tokens par étape via un module Multi-Token Prediction léger. Testé sur Qwen2.5-Math (1.5B, 7B, 14B), l'approche réduit la longueur CoT de 20-30% tout en maintenant la précision (dégradation 1-2 points sur MATH500, AMC, OlympiadBench, GPQA-Diamond).
Étude arXiv sur les hallucinations médicales des LLM. Système multi-agent « Trust but Verify » testant 3 familles de modèles (GPT-OSS, Llama-3, Falcon-3) sur 103 questions cliniques avec médicaments bannis. Architecture à 5 agents réduit le taux d'hallucination de 53% et force le refus approprié plutôt que la recommandation dangereuse.
Étude sur 9 modèles et 972 000 réponses montrant que les LLM se conforment aux suggestions nuisibles sur les jugements moraux (A=1.04) autant qu'aux suggestions bénéfiques, contrairement aux questions factuelles (A=1.58). Le chain-of-thought amplifie cette conformité bidirectionnelle, tandis que le prompting basé sur l'identité la supprime.
D2H-AD est un framework de détection d'anomalies basé sur l'Hyperdimensional Computing (HDC). Il combine encodage sensible à la densité et similarité basée sur la distance, surpassant cinq baselines (HDAD, ODHD, One-Class SVM, Isolation Forest, Autoencoders) sur cinq datasets. L'encodage hyperdimensionnel seul atteint +5.4% ROC-AUC. Léger, interprétable, efficace computationnellement : adapté TinyML et edge AI.
DiPOD, une méthode d'optimisation de politiques de diffusion, résout l'instabilité du post-training RL en identifiant le phénomène de double-drift (divergence entre ELBO et log-vraisemblance). L'approche intercale auto-distillation et mises à jour de gradient, stabilisant l'entraînement sur modèles de langage et contrôle continu.
TopVAE, un VAE optimisé topologiquement, réduit les « zones sombres » du latent space en intégrant les contraintes structurelles et chimiques lors de l'entraînement. Couplé à un DiT standard, il atteint 77% de réduction FCD-3D sur QM9 et 52% sur GEOM-Drugs, générant des molécules plus stables et valides chimiquement.
VISTA propose une méthode de fine-tuning basée sur GRPO pour améliorer le grounding GUI. Elle génère plusieurs vues du même écran (crops préservant l'élément cible) pour créer des groupes de comparaison plus robustes. Sur ScreenSpot-Pro, elle améliore Qwen3-VL 4B/8B/30B de 55.5/52.7/53.7 à 63.4/65.8/67.0.
Every Eval Ever propose un schéma unifié et un dépôt communautaire pour standardiser les résultats d'évaluation IA. Le système ingère 22 235 modèles et 2 273 benchmarks via un format JSON unique, avec convertisseurs automatiques depuis les harnesses populaires et leaderboards. Résout la fragmentation des résultats dispersés en formats incompatibles.
Framework de planification temporelle pour optimiser dynamiquement les itinéraires dans les réseaux ferroviaires hétérogènes multi-écartements. Formule les opérations comme problème PDDL 2.1, modélise contraintes de compatibilité et scénarios de disruption. Évalué sur 200 instances (jusqu'à 1 000 points de voie, 120 trains).
CacheRL entraîne des petits modèles d'agents (Qwen3-4B-Thinking) atteignant 92% de précision sur tâches multi-étapes avec appels d'outils, soit 100× moins de calcul que GPT-5 (94%). Trois innovations : pipeline de trajectoires avec traces de raisonnement LLM, cache fuzzy trois niveaux éliminant exécutions live, récompenses adaptées au cache. SFT + GRPO améliorent la récompense de validation de 0,43 à 0,78.
Les modèles Gemma 4 présentent des boucles de répétition sur les énumérations longues (taux jusqu'à 95%). Une ablation par neurone identifie quelques neurones MLP responsables : les supprimer par édition de poids élimine les boucles simples mais pas les « doom loops » (auto-correction infinie), limité par manque de connaissance plutôt que circuit supprimable.
Zalando déploie un système de pricing algorithmique haute-fréquence pour 5M+ articles en mode vente. Architecture forecast-then-optimize combinant gradient boosting et optimisation multi-objectifs. Tests A/B sur 12 marchés (2023-2024) : +6% profit, temps de décision réduit de heures à minutes.
Étude de 1800+ problèmes des Olympiades de Linguistique (LOPs) comme corpus pour la recherche linguistique. Les LOPs sont des puzzles auto-suffisants testant la déduction de règles linguistiques. L'article évalue leur potentiel pour la linguistique académique et les modèles de langage, proposant un cadre théorique pour leur intégration.
PostDeg montre que la position du LayerNorm dans les GNN importe plus que la paramétrisation. Un scalaire inverse-degré placé après LayerNorm préserve les signaux topologiques (degré, centralité) que les politiques de sélection de nœuds nécessitent. Gains de +3.5% à +5.6% sur influence maximization, dismantling et independent set.
HarnessX est une plateforme pour créer des harnesses d'agents IA composables et adaptatifs. Elle utilise AEGIS, un moteur d'évolution multi-agent piloté par les traces d'exécution, pour optimiser les prompts, outils et flux de contrôle. Sur 5 benchmarks (ALFWorld, GAIA, WebShop, tau³-Bench, SWE-bench), HarnessX atteint +14,5% de gain moyen (+44% max), sans augmenter la taille du modèle.
SkillAudit est un framework pour faire évoluer les compétences d'agents LLM sans feedback ground-truth. Via l'audit de trajectoires appariées, le système exécute la même tâche avec et sans la compétence candidate, puis utilise Process-Aligned Contrastive Evaluation pour isoler les changements de comportement. Sur 89 tâches, SkillAudit atteint 73,9% de récompense moyenne vs 56,7% pour la compétence expert statique.
Workflow GPU pour construire des émulateurs physiques de flux hypersoniques. Intègre JAX-Fluids (solveur différentiable haute fidélité) pour générer données et affiner des émulateurs neuraux avec quantification d'incertitude. Refinement basé résidus améliore la cohérence physique et permet l'entraînement avec paramètres limités.
RicciBind, un framework de représentation géométrique, prédit l'affinité de liaison protéine-ligand en combinant la courbure de Ricci pour capturer l'organisation locale et le transport optimal pour l'alignement cross-domaine. Démontre performance supérieure sur benchmarks PLA et tâches de criblage virtuel.
Comparaison de deux méthodes d'intervention sur les refus de sécurité dans les modèles de chat : Difference-in-Means (DiM) vs Iterative Nullspace Projection (INLP). Sur 5 modèles open-weight, INLP counterfactual flipping égale DiM en suppression des refus, tandis que nullspace projection est plus faible. Les deux approches opèrent différemment dans l'espace d'activation.
Thèse sur les principes bayésiens appliqués aux réseaux de neurones profonds. Introduit DVIP (Deep Variational Implicit Process) pour l'inférence bayésienne scalable, et deux méthodes post-hoc (VaLLA, FMGP) pour calibrer l'incertitude sur réseaux pré-entraînés. Développe un cadre théorique unifié reliant diversité, régularité et stochasticité via la théorie PAC-Bayésienne.
Une étude de cas sur la formalisation semi-autonome du théorème d'annulation de Grothendieck montre que les LLM ferment les trous de preuve mais produisent des formalisations non réutilisables. Après révision d'expert, les agents s'adaptent bien aux retours locaux mais échouent à concevoir des définitions et APIs robustes.
MoDiCoL est un dataset de continual learning modulaire pour évaluer la robustesse des systèmes ASR face aux variations réelles (accents, bruits, conditions d'enregistrement, troubles de la parole). Les auteurs proposent un curriculum inspiré du monde réel et évaluent trois stratégies de continual learning pour analyser comment la robustesse se développe, se transfère et s'oublie.
Nouvelle tâche d'extraction d'IA : identifier les conditions d'applicabilité des relations thérapeutiques drogue-maladie dans la littérature biomédicale. Premier dataset annoté manuellement avec 1 119 paires drogue-maladie. Méthode proposée améliore LoRA pour modéliser les relations drogue-maladie, surpassant les baselines.
Dialogue SWE-Bench est un benchmark automatisé pour évaluer les agents de codage via dialogue utilisateur. Les auteurs proposent un simulateur utilisateur persona-grounded et un agent schema-guided qui améliore les baselines de 3-14%. Résultat clé : les meilleurs modèles de code ne sont pas nécessairement les meilleurs en dialogue.
Système multi-agent pour traiter automatiquement les relevés de notes du secondaire. Architecture avec 4 agents spécialisés (reconnaissance de motifs, analyse sémantique, vision, orchestration) atteint 96,7% de précision sur 40 relevés réels de 13 États américains, 45 secondes par document.
Modèle VAE hybride classique-quantique pour la modélisation de sujets. Circuit quantique paramétrisé (10 qubits) intégré dans l'encodeur, décodeur classique. Sur AgNews : score de cohérence Cv=0.71, NPMI=0.20, surpasse les modèles de sujets neuraux existants.
MA-ProofBench est le premier benchmark formel dédié aux théorèmes de Mathematical Analysis avec 200 problèmes formalisés en deux niveaux de difficulté (undergraduate et Ph.D.). GPT-5.5 atteint seulement 16% Pass@8 au niveau I et 5% au niveau II, révélant des lacunes majeures dans le raisonnement formel avancé des LLMs.
Nouvelle méthode pour imposer des contraintes d'inégalité (monotonie, convexité) dans les réseaux de neurones via des variables slack neurales. Approche couplant un réseau principal avec un réseau auxiliaire appris conjointement, convertissant l'application de contraintes en problème de régression. Atteint zéro violation mesurée sur tests de monotonie/convexité, surpassant méthodes de pénalité et primal-dual.
Étude des représentations internes dans les LLMs textuels et un modèle ASR pour examiner si les verbes phraséaux V+up développent des représentations distinctes selon la fréquence et la prévisibilité. Tous les modèles montrent des preuves de stockage holistique piloté par ces facteurs, soutenant les théories linguistiques basées sur l'usage.
COMET combine un encodeur object-centric non supervisé avec un world model transformer pour effectuer Monte Carlo Tree Search dans un espace latent structuré. Un mécanisme action-slot fusion lie les actions aux objets. Évalué sur 8 tâches (Object-Centric Visual RL, ManiSkill, Robosuite, VizDoom), COMET surpasse les baselines en phase d'apprentissage précoce.
VeriGeo génère des problèmes de géométrie contrôlables via des traces de raisonnement exécutables. Un agent Auteur crée le problème et le diagramme selon les contraintes utilisateur, un agent Solveur produit la preuve. Un pipeline à trois étapes vérifie la cohérence numérique, analytique et globale. Fine-tuning sur 8.7k exemples atteint les meilleures performances GeoQA et résultats forts sur PGPS9K et MathVista-GPS.
LoSoNA est un benchmark évaluant la capacité des LLM à reconnaître et adapter les normes sociales locales dans les conversations de groupe. Huit modèles testés sous quatre conditions de prompting : Gemini 3.1 Pro atteint 84,2%, Claude Fable 5 81,6%. Le prompting explicite aide inégalement.
Judge-LS évalue si les LLM utilisés comme juges automatiques montrent un biais linguistique. Sur 419 items du benchmark LLMBar transformés en anglais, chinois et variantes mixtes, les modèles affichent 10,7–14,4% de renversements de préférence selon la langue, avec une précision maximale en anglais. Les réponses équivalentes en traduction ne révèlent pas de préférence systématique pour l'anglais.
Étude formalisée des politiques de communication pour agents LLM autonomes. Comparaison de stratégies textuelles vs UI-based sur plusieurs environnements et modèles. Proposition de Communication Policy Evolution (CPE), framework d'auto-évolution par rollout et refinement de prompts, sans modification du modèle.
Persuasion Index (PI) est une taxonomie de 15 dimensions fondée sur les théories de la persuasion en psychologie et communication. Implémentation avec 55 sous-features basées sur lexiques et détecteurs. Évaluation sur 4 datasets publics montre que PI fournit un espace de features partagé pour interpréter les patterns rhétoriques. Modèles linéaires légers et interprétables. Package open-source et interface web.
GitOfThoughts stocke le raisonnement des agents LLM sous forme de dépôt git : chaque pensée est un commit, les scores sont des notes, les résultats sont des tags. Étude empirique sur 5 substrats de mémoire (aucun, markdown, vecteur, graphe, git) : la mémoire n'améliore la précision que si le cas récupéré est quasi-identique au problème actuel (similarité >0,8). Le gain principal reste l'échantillonnage au test-time.
HOTE (Hybrid Open-Ended Tri-Evolution) est un framework d'apprentissage par renforcement hybride pour l'évolution autonome d'agents IA sur des tâches de recherche ouverte. Un modèle 8B entraîné via HOTE surpasse les modèles statiques 8-32B et les méthodes SOTA sur trois benchmarks de recherche approfondie.
PauseRec propose un paradigme de raisonnement implicite pour les systèmes de recommandation génératifs basés sur LLM. L'approche contourne les limitations des pipelines explicites (CoT) en évitant l'acquisition de traces de raisonnement, améliorant les performances de 6,22%, réduisant les coûts GPU de 65% et accélérant l'inférence de 71,3%.
UP-NRPA, un framework basé sur les portraits utilisateur, adapte dynamiquement les stratégies de dialogue avec LLM sans apprentissage par renforcement hors ligne. Sur benchmarks collaboratifs et non-collaboratifs, le système atteint 100% de succès en plusieurs tâches et augmente le ratio vente-prix de 56,41% en négociation.
AMD lance un mini PC capable d'exécuter des modèles d'IA volumineux en local, sans dépendre du cloud ni d'abonnements. L'appareil offre une alternative aux services cloud traditionnels pour l'inférence d'IA.
Support de Command A Plus et North Mini Code ajouté à llama.cpp. L'utilisateur a converti et quantisé Command A Plus en GGUFs faute de versions à jour disponibles.
Ironsmith, un projet open-source, génère des applications macOS personnalisées via prompt. Fonctionne avec des petits modèles (Gemma 4 E4B) sur MacBook Air 8GB. Utilise une boucle agentique custom avec réparation déterministe des erreurs de syntaxe. Compatible Ollama, OpenAI API, Claude, Gemini.
Un utilisateur rapporte que les sessions d'agents de codage longues souffrent de « context rot » : accumulation de tentatives de débogage échouées, d'hypothèses obsolètes et de bruit qui dégradent le raisonnement du modèle. Il propose de séparer la mémoire durable du contexte actif plutôt que d'augmenter simplement la taille du contexte.
Vercel augmente la limite de stockage Blob pour les utilisateurs Hobby de 5 à 100 magasins. Les limites de stockage, opérations et transfert restent inchangées.
Arvind Narayanan et Sayash Kappor réfutent la thèse du remplacement massif des ingénieurs logiciels par l'IA. Données clés : en 2025, New York a enregistré 160+ avis de licenciement (WARN Act) — aucun n'a coché la case IA. L'automatisation se heurte à trois vrais goulots : spécifier ce à construire, vérifier la qualité, et gérer les dépendances humaines.
Gemma 12B exécuté sur Google Pixel 10 Pro via Termux et llama.cpp (v9639) consomme moins de 10W. Performance : 6.5 tokens/s en prompt, 1.3 tokens/s en génération avec contexte 32k et quantification Q3_K_XL.
Analyse mathématique détaillée de GPTQ : la quantification 4-bit préserve la perplexité en traitant les poids comme corrélés. L'auteur dérive la règle de mise à jour via multiplicateurs de Lagrange, explique l'amortissement Hessien 1%, la décomposition de Cholesky et l'optimisation mémoire C-contiguë.
Le support EAGLE a été fusionné dans llama.cpp. EAGLE est une technique d'accélération de l'inférence pour les modèles de langage qui réduit la latence en prédisant plusieurs tokens en parallèle.
Jqwik, une bibliothèque de test Java, a rejeté les contributions utilisant l'IA générative. Le mainteneur a publié une politique interdisant les PR générées par IA, déclenchant un débat sur la qualité du code et l'attribution.
Un chercheur indépendant démontre que un contexte cohérent peut déplacer les LLMs vers un régime interne différent sans modifier la sortie finale, contournant les filtres de sécurité actuels (RLHF, classifieurs). Travaux sur Gemma-3-12B-IT avec analyse des états cachés et trajectoires du residual stream.
Benchmark de 4 modèles ≤120B sur contexte profond (jusqu'à 400k tokens). Nemotron Super 120B surpasse GPT-OSS 120B et Qwen 3.5 122B en vitesse de traitement de prompt (PP) dès 16-32k tokens. Nemotron maintient >100 TPS PP jusqu'à 400k contexte, mais génération de tokens (TG) reste lente (10-20 TPS).
Un article argumentant que l'IA est fondamentalement du code et ne peut pas être rendue plus intelligente par du prompt engineering seul. Remet en question l'idée que des instructions mieux formulées dépassent les limites architecturales des modèles.
Développeur construit un moteur d'inférence LLM en C99 pur. Sur DeepSeek-V2-Lite avec i5-11300H : 1.90 tok/s vs 13.79 pour llama.cpp (7.3x gap). Cause identifiée : dequantization Q4K en F32 à la charge (4 bytes/poids) vs lecture directe Q4K (0.5 bytes) chez llama.cpp. IPC : 0.80 vs 2.36. Solution requise : kernel Q4K matvec fusionné.
Un développeur expose le problème de distinction entre faits vérifiés et inférences dans la mémoire persistante des agents IA. Les anciennes inférences deviennent progressivement des faits, rendant l'audit impossible. Il implémente manuellement un système de provenance (vérifiée/inférée/spéculative) et demande si des solutions existantes (Zep, Mem0, Cognee) résolvent ce défi.
Chatbot vocal local temps quasi-réel utilisant Qwen3.5-397B (Unsloth UD-Q3_K_XL), Whisper-small (STT) et Orpheus Q4_K_XL (TTS) avec décodeur SNAC custom sur ONNX. Interruptible, contexte préservé, 21.3 GB VRAM max sur GPU 24GB, cache KV bf16 131k tokens. Code GitHub annoncé.
Benchmark de Gemma 4 sur triple GPU (3× GTX-1070, 24 GiB VRAM total). Gemma-4-26B-A4B-qat atteint 123.5 t/s en prompt processing et 53.08 t/s en génération. Gemma-4-E4B-BF16 affiche 302.16 t/s mais génération limitée à 11.54 t/s. Tests sur llama.cpp build 9204 avec quantifications GGUF.
Un rapport de KPMG sur l'IA contient des hallucinations générées par IA. L'étude révèle des inexactitudes et des contenus fictifs produits par des modèles de langage, soulevant des questions sur la fiabilité des analyses d'IA dans les rapports professionnels.
Utilisateur rapporte des performances décevantes avec Qwen 3.6-27B sur RX 7900 XTX via ROCm et Vulkan avec llama.cpp. Prompt processing: 235-634 tok/s selon backend, génération: 13-31 tok/s. MTP (speculative decoding) n=3 réduit la génération à 17 tok/s malgré 78% d'acceptation.
OpenAI lance son Partner Network avec un investissement de 150M$ pour accélérer l'adoption, le déploiement et la transformation IA en entreprise auprès de partenaires mondiaux.
Harbor v0.5.0 permet de déployer MLX, OMLX, Docker Model Runner et services (Open WebUI, OpenCode, Hermes) en une seule commande sans configuration manuelle. Intègre des skills pour agents de code et supporte le pull de modèles depuis Hugging Face et Ollama.
Le boom des LLM cloud touche à sa fin. Les coûts d'inférence baissent, la concurrence s'intensifie et les marges se compriment. Les fournisseurs doivent innover au-delà du simple accès API pour survivre.
Deepseek 4 Flash fonctionne sur Mac M3 Max 96GB via ds4 (moteur d'Antirez) avec streaming SSD. Performance : 11-13 tokens/s en décodage, 10s au démarrage, 3-5s TTFT. Préfill 36k tokens en 2m30s. Configuration requiert iogpu.wired_limit_mb=86016 et --ssd-streaming.
KPMG retire un rapport sur l'utilisation de l'IA après avoir découvert des hallucinations apparentes dans le document. Le cabinet d'audit a dû corriger des informations factuelles erronées générées par un modèle d'IA.
Mirage, un modèle vidéo de Microsoft Research, stocke les informations de scène en espace latent au lieu de nuages de points basés sur les pixels. Cela réduit le temps de calcul et la mémoire graphique tout en maintenant la cohérence spatiale lors de mouvements de caméra longs. Le suivi d'objets en mouvement reste limité.
Heretic annonce un système de sauvegarde décentralisé pour les modèles locaux non censurés. Les modèles sont compressés à 9 KB, permettant le stockage sur téléphone. Le projet crée une infrastructure résiliente face aux takedowns, avec site officiel et documentation redondante.
Développeur crée Bantz, assistant IA local avec persona de majordome des années 1920, basé sur Gemma 4B. Intègre Gmail, Google Calendar, recherche web, monitoring système et contrôle desktop Wayland. Fonctionne sur CPU uniquement. Motivé par les risques de dépendre d'infrastructure tierce (allusion à la fermeture Anthropic).
Google Cloud lance Open Knowledge Format (OKF), un standard qui convertit les documents dispersés en fichiers Markdown avec frontmatter YAML, rendant les connaissances organisationnelles portables pour les agents IA. Le format formalise le pattern « LLM Wiki » popularisé par Andrej Karpathy.
Meta réassigne 7 000 employés après une restructuration en mai (10% de réductions). Zuckerberg reconnaît des erreurs dans la transition de la main-d'œuvre IA et cherche de nouveaux rôles pour les employés affectés à l'entraînement de modèles.
Xiaomi déploie MiMo V2.5 avec un débit de 1000-3000 tokens/sec via DFlash et kernel persistant. Le modèle DFlash est disponible, une release open-source est annoncée.
Critique de l'approche des boucles agentiques en IA. L'article remet en question la conception itérative des agents autonomes, arguant que l'ajout progressif de fonctionnalités ne résout pas les problèmes fondamentaux de contrôle et de stabilité.
Répertoire de 100+ clones open-source de sites populaires (Airbnb, Amazon, Instagram, Netflix, TikTok, Spotify, WhatsApp, YouTube). Inclut code source, démos, stack technique et stars GitHub.
Rustup est l'installateur officiel de la chaîne d'outils Rust. Il gère les versions du compilateur, les composants et les cibles de compilation pour les développeurs Rust.
TensorZero est une plateforme LLMOps open-source unifiant passerelle LLM, observabilité, évaluation, optimisation et expérimentation.
Nx est une plateforme monorepo optimisant les builds et l'intégration continue, avec capacités d'agents IA pour corriger automatiquement les PR défaillantes. Réduit le temps de déploiement de moitié.
Obsidian-wiki est un framework permettant aux agents IA de construire et maintenir un cerveau numérique via Obsidian en utilisant le pattern LLM Wiki de Karpathy.
OpenHands est un framework open-source pour l'automatisation du développement logiciel piloté par IA. Il permet aux agents IA d'exécuter des tâches de codage, de débogage et de déploiement de manière autonome.
AUTOMATIC1111/stable-diffusion-webui est un dépôt GitHub populaire fournissant une interface web pour Stable Diffusion. Outil open-source permettant la génération d'images via une UI accessible.
KPMG a publié un rapport sur l'IA en entreprise contenant des études de cas fictives impliquant UBS, le NHS et d'autres organisations. Edward Tian (GPTZero) a aidé à découvrir les erreurs et alerte sur les « hallucinations secondaires » : des affirmations erronées de cabinets de conseil de confiance qui se propagent sans vérification. KPMG a retiré le rapport.
Benchmark de Deepseek V4 Flash sur dual DGX Sparks : 40 tk/s en FP8 (single), 350 tk/s agrégé sur 32 requêtes. Comparaison avec RTX Pro 6000 (46 tk/s Q2) et M2 Ultra 192GB (29 tk/s Q2). Nécessite câble ConnectX7 200G/s ($180) pour synchronisation inter-GPU.
Les agents de codage IA comme Claude Code trouvent le bon fichier mais ratent les lignes critiques. Le benchmark SWE-Explore montre que sans contexte suffisant, même les meilleures corrections échouent.
Les modèles open-source atteignent en 2026 une exécution locale viable grâce à l'attention sparse, MoE, compression KV latente, prédiction multi-token et quantification 4-bit, sans nécessiter plus de RAM.
Amazon et cinq autres entreprises auraient signalé des vulnérabilités de sécurité du modèle Fable d'Anthropic à l'administration Trump. La Maison-Blanche a ordonné le retrait du modèle via un contrôle à l'exportation dans les heures suivantes, malgré qu'Amazon soit l'un des plus grands investisseurs d'Anthropic.
DiffusionGemma souffre de hallucinations en inférence naïve. Un utilisateur compile des méthodes (entropy-bounded sampler, canvas cap, thinking mode) pour améliorer la qualité, avec gains de 2–3× en vitesse. Trois tiers de solutions : drop-in configs, wrappers d'orchestration, et décoders custom.
Bastion est un système d'exécution isolé basé sur des VMs Linux pour les agents de codage en arrière-plan. Permet l'exécution sécurisée de code généré par des agents IA sans risque pour le système hôte.
Chercheur propose LOGOS-SIE, un dataset synthétique de 500k observations/croyances sur 5k faits et 100 sources, pour tester si les systèmes de retrieval modernes récupèrent le consensus plutôt que la vérité. Hypothèse : BM25, dense retrieval et rerankers favorisent les patterns dominants même quand 90% des sources sont fausses.
Papier présenté à ACM CAIS 2026 sur l'évaluation de sécurité des agents LLM utilisant des outils. Les auteurs distinguent succès sûr, succès non sûr et échec, et montrent que la vérification réduit les succès non sûrs mais diminue aussi la complétude des tâches avec l'augmentation de l'horizon (« Verifier Tax »). Architecture à deux niveaux : vérifications déterministes puis vérificateur basé LLM.
Développeur utilisant Qwen3.6-27B via llama.cpp rencontre des bugs récurrents dans son codebase Python malgré un contexte de 128K tokens. Teste différentes stratégies : lecture complète du projet vs focus sur fonctions spécifiques, désactivation de la quantization KV. Cherche approches pour minimiser les erreurs du modèle.
Un chercheur propose de réduire la taille des scales en Q4_0 pour Qwen 3.6 27B en remplaçant les valeurs de scales (16 bits) par des indices (11 bits) pointant vers un dictionnaire. Gain estimé : 318 MB minimum sur le modèle complet, soit ~31% de réduction des scales, au prix d'un code d'inférence custom.
WhatsApp affirme avoir déjoué une campagne de logiciel espion NSO. L'application de messagerie a détecté et bloqué une tentative d'exploitation de vulnérabilité visant ses utilisateurs.
Développeur cherche un modèle LLM qui boucle fréquemment pour tester des mécanismes de détection et récupération de boucles dans un agent. GLM Flash à basse température et quantization extrême identifié comme problématique. Objectif : créer un framework de scoring pour détecter les boucles et permettre au système de se rétablir.
Pyodide 314.0 permet de publier directement sur PyPI des packages Python compilés en WASM (via PEP 783). Auparavant, les mainteneurs Pyodide devaient gérer manuellement 300+ packages. Les développeurs peuvent désormais distribuer des wheels WASM comme des wheels natifs Linux/macOS/Windows.
Le PR #24260 de llama.cpp ajoute le support de l'architecture Cohere-MoE. Les utilisateurs testent les modèles North Mini Code, plus compacts (3GB de moins en Q8) que Qwen 3.6 27B pour l'inférence locale sur homelab.
Un modèle cloud frontier a été suspendu globalement en 48h après un ordre du Commerce américain limitant l'accès aux ressortissants étrangers. L'incident illustre le risque de dépendance aux services cloud : un modèle local 70B reste opérationnel sans interruption, plus lent mais autonome.
Sortie de luau-wasm 0.1a0, une implémentation WebAssembly du langage Lua. Le projet publie des wheels WASM sur PyPI pour utilisation avec Pyodide, permettant l'exécution de Lua en navigateur.
Simon Willison utilise Claude Code (Opus 4.8) pour résoudre le problème de traçabilité des colonnes SQL : identifier la source table.column de chaque résultat dans des requêtes complexes avec jointures et CTEs. Trois solutions identifiées : apsw, ctypes avec sqlite3_column_table_name(), et analyse EXPLAIN.
Une étude révèle que les duplications génomiques anciennes ont jeté les bases des cerveaux complexes. Les chercheurs ont identifié comment ces événements de duplication ont permis l'évolution de structures cérébrales sophistiquées chez les vertébrés.