Vercel Sandboxes active la persistance des fichiers par défaut en GA. Les snapshots sont automatiques, les sandboxes reprennent depuis le dernier état sauvegardé. Nouvelles méthodes : fork(), getOrCreate(), delete(), tags personnalisés et hooks de cycle de vie.
Nathan Witkin (NYU Stern) critique sévèrement le graphique METR sur les horizons temporels de l'IA. Les erreurs incluent : baselines humaines non mesurées mais estimées, benchmarkers payés à l'heure (incitation à traîner), échantillon biaisé vers les pairs des auteurs, et ignorance de l'avantage de familiarité (5-18x plus rapide). Witkin conclut que le graphique contient trop d'erreurs cumulatives pour être sauvé.
Étude contrôlée sur codebase TypeScript (25 sections, 3,250 fichiers) : un LLM (Kimi K2.6) équipé d'un graphe structurel (Blueprint : Universal Ctags + ast-grep + BM25) a consommé 54% plus de tokens d'entrée (63,541 vs 41,327) mais a exploré plus profondément (6 tours vs 5). Le graphe coûte ~6,500 tokens et augmente la confiance de navigation du modèle.
Implémentation CUDA de la transformée de Walsh-Hadamard rapide (FWHT) pour llama.cpp optimisant la quantification du KV-cache. Gains de 1-2% en prefill et 7-9% en token generation sur RTX 5090 avec quantification q8_0.
Appel à contributions pour le 2e Workshop on Efficient Reasoning à COLM 2026 (9 octobre). Deadline : 12 juillet 2026. Thèmes : raisonnement multimodal sous contraintes, datasets, optimisations algorithmiques, inférence rapide (pruning, compression, KV-cache), benchmarks, déploiement on-device, sécurité, applications temps réel (santé, robotique).
Endeavour Energy, distributeur électrique australien, a migré son application de carte des pannes vers Next.js et Vercel. Résultats : chargements sub-1s en pic de trafic, cycles de sync 5 min, déploiements 38% plus rapides. Supabase gère la couche données temps réel.
Les petits modèles spécialisés (Gemma 4 31B à 86.4% sur tau2-bench, Qwen 27B surpassant des modèles 397B) dominent désormais les benchmarks d'agents. Pourtant l'industrie continue d'utiliser des modèles frontière coûteux : les labs de frontier gagnent à la facturation par token, créant un désalignement économique entre performance technique et adoption.
NuExtract3 est un modèle vision-langage 4B pour la compréhension documentaire. Il combine extraction structurée (texte/images + template JSON → JSON) et conversion image-to-Markdown, avec support multilingue et modes reasoning/non-reasoning. Disponible en GGUF, NVFP4, MLX, VLLM.
PR llama.cpp #22929 optimise le traitement des checkpoints pour éviter la re-processing complète du contexte lors d'éditions. Cas d'usage : coding agentic avec 70k tokens. Améliore la réactivité en ne retraitant que les portions modifiées, testé 2 semaines.
Méthode utilisant des graphes bipartites alignés et réseaux de neurones graphiques pour détecter les hallucinations dans les LLM. Entraîne un GNN sur la structure d'alignement entre documents source et sorties de modèles. Résultats SOTA sur 4 datasets de hallucination et QA, surpassant GPT-4o.
Article arXiv proposant une méthodologie pour concevoir des benchmarks d'IA adaptés au travail de connaissance (coding, recherche, santé). Les auteurs critiquent les évaluations actuelles qui ne reflètent pas les conditions réelles et proposent un cadre en 3 étapes : définir l'activité, spécifier le contexte (outils, rôles, contraintes), scorer le produit final. Analyse de 3 cas : GDPval, OfficeQA Pro, APEX-SWE.
Étude théorique montrant que la certification exacte de circuits de seuil (depth ≥2) et de Transformers log-précision devient exponentiellement difficile avec une légère surparamétrisation. Ajouter une seule porte logique ou un surcoût architectural constant suffit à rendre les certificats exponentiels en dimension d'entrée. Validation empirique sur l'addition binaire.
Article proposant une technique de compaction parallèle du contexte pour les agents LLM long-horizon. La méthode résout les problèmes de latence et d'imprévisibilité des résumés séquentiels en permettant un contrôle fin du volume de résumé. Évaluée sur HotpotQA et LoCoMo avec modèles 8B-120B (dense et MoE).
MedExpMem est un framework de mémoire d'expérience permettant aux modèles de vision-langage médicaux d'accumuler une expertise en diagnostic différentiel. Contrairement à la RAG, il mémorise les expériences discriminantes issues des erreurs diagnostiques passées sous forme de notes différentielles appairées. Évalué sur 11 sous-spécialités radiologiques, il améliore la précision jusqu'à 7,0% sur plusieurs modèles.
Étude de la mémorisation verbatim lors du préentraînement Fill-in-the-Middle (FIM) sur Llama 3.2. FIM récupère davantage de spans courts ou partiels comparé au LTR standard, avec une extraction croissant linéairement avec les répétitions. Le contexte suffixe ne suffit pas : la mémorisation reste ancrée au contexte préfixe.
Des chercheurs utilisent les Transcoders pour interpréter comment les modèles vision-langage transforment les images en texte. Appliqué à Gemma 3-4B-IT, le framework décompose le modèle en chemins computationnels reliant les patches d'image à la génération de tokens. Les attributions des Transcoders surpassent les SAE pour identifier les hallucinations (AUC 0.68).
Système de recommandation fédéré en deux étapes pour mobiles : filtrage collaboratif cloud sur données non-sensibles, puis re-ranking on-device avec signaux sensibles. Validation sur MovieLens, UCI HAR et dataset propriétaire. Implémentation Kotlin Multiplatform pour Android/iOS.
Étude théorique montrant que la profondeur des réseaux de neurones induit un biais implicite vers des solutions de faible rang, alternatives au neural collapse. Analyse des dynamiques d'entraînement du modèle UFM (unconstrained feature model) sans régularisation, révélant comment la profondeur favorise les softmax codes plutôt que les géométries structurées classiques.
Datasette 1.0a30 introduit un menu « Jump to... » personnalisable accessible via la touche `/`. Le nouveau hook plugin `jump_items_sql()` permet aux extensions d'ajouter leurs propres éléments au menu de recherche.
Datasette-agent 0.1a4 intègre une interface de chat agent dans le menu Jump (touche /) via le nouveau hook JavaScript makeJumpSections() de Datasette 1.0a30. Permet d'interroger des bases de données en langage naturel directement depuis l'interface.
DeepSeek rend permanente sa réduction de 75 % sur V4-Pro : $0,435 par million tokens en entrée, 11,5× moins cher qu'GPT-4.5 en input, 34× moins cher en output. Cette tarification agressive pourrait presser les fournisseurs occidentaux, notamment pour les systèmes agentiques.
Meituan annonce LongCat-Video-Avatar 1.5, framework open-source pour la génération vidéo d'avatars humains pilotée par l'audio. Remplace Wav2Vec2 par Whisper-Large, supporte Audio-Text-to-Video et Video Continuation avec inférence en 8 étapes. Évaluation humaine sur 508 paires image-audio couvrant 6 scénarios et 2 langues.
Nvidia et Hugging Face présentent Nemotron-Labs, des modèles de langage basés sur la diffusion pour accélérer la génération de texte. L'approche parallélise la génération de tokens, réduisant la latence par rapport aux méthodes autorégressives traditionnelles.
Llama.cpp ajoute le support de Programmatic Dependent Launch (PDL) pour les GPU Nvidia Blackwell (CC >= 90). PDL améliore l'exécution des kernels : +5-6% en token generation sur Qwen 35B et Gemma 26B, sans gain en pre-fill. À activer avec '-D GGML_CUDA_PDL=ON' à la compilation.
OpenAI a généré 5,7 milliards de dollars de revenus au Q1 2026 mais a perdu 1,22 dollar par dollar gagné, avec une marge opérationnelle ajustée de -122%.
SupraLabs publie Supra-50M, un modèle de 50M paramètres entraîné sur 20B tokens de texte éducatif haute qualité. Architecture Llama-style avec vocab 32k. Surpasse GPT-2 (124M) et SmolLM-135M sur plusieurs benchmarks (BLiMP 76.3%, SciQ 77.2%, ARC-Easy 52.2%). Roadmap : Supra-124M et Supra-350M prévus.
Trump annule un décret sur la sécurité de l'IA après des appels de Musk, Zuckerberg et Sacks. L'ordre aurait créé un système d'examen volontaire pour les modèles frontière avec une fenêtre de 90 jours avant la publication.
DeepSeek lève 10,29 milliards de dollars. Liang Wenfeng s'engage à poursuivre le développement de modèles open-source plutôt que la commercialisation court-termiste. L'entreprise vise l'AGI.
GitHub publie un SDK multi-plateforme pour intégrer l'agent Copilot dans des applications et services tiers. Permet aux développeurs d'accéder aux capacités d'IA de Copilot via API standardisée.
Microsoft publie un toolkit de gouvernance pour agents IA autonomes. Inclut application de politiques, identité zero-trust, sandboxing d'exécution et ingénierie de fiabilité. Couvre les 10/10 risques OWASP Agentic Top 10.
TimesFM est un modèle fondation préentraîné développé par Google Research pour la prévision de séries temporelles. Le repo GitHub propose une implémentation open-source de ce modèle spécialisé.
La FTC condamne Cox Media Group et deux autres entreprises à payer près d'1 million de dollars pour avoir trompé les clients sur un service marketing IA appelé « Active Listening ». Le service prétendait écouter les conversations via les appareils intelligents pour cibler les publicités, mais n'utilisait en réalité aucune donnée vocale.
Étude théorique de pourquoi les méthodes RL sans critique (PPO, GRPO) améliorent les LLM. Les auteurs montrent que les mises à jour d'acteur sont de type value-gradient en espérance, et que l'autodifférenciation à travers l'attention produit des costates empiriques approximant le signal de valeur. Décomposition de l'impact RL en signal value-gradient et marge de récompense atteignable.
Mahjax est un simulateur Riichi Mahjong entièrement vectorisé en JAX pour l'apprentissage par renforcement sur GPU. Atteint 2 millions de steps/sec sur 8 A100 NVIDIA (règles sans rouge) et 1 million (avec rouge). Démontre l'entraînement d'agents tabula rasa sans pré-entraînement supervisé.
FlyRoute est un framework d'auto-évolution de profils d'agents qui améliore le routage de requêtes en entreprise. Via un mécanisme de flywheel, il collecte des preuves de capacités depuis le trafic réel, distille des descriptions apprises et les injecte dans un routeur LLM avec des succès récupérés par BM25. Sur un dataset propriétaire, FlyRoute passe de 72,57% (zero-shot) à 89,83% de précision après 7,211 requêtes.
Étude d'optimisations pour pipelines d'agents industriels (AssetOpsBench). Propose un cache sémantique temporel et des optimisations MCP (découverte d'outils, exécution parallèle) : 1.67x speedup, réduction latence 40%, cache hits 30.6x. Identifie limites du semantic caching pur pour requêtes paramétrées.
FlowLM transforme des modèles de langage par diffusion pré-entraînés en modèles de flux via fine-tuning efficace. En réalignant les trajectoires courbes en lignes droites, FlowLM génère du texte de haute qualité en quelques étapes, rivalisant avec 2000 étapes de diffusion. La saturation des performances est atteinte en moitié moins d'epochs.
Psy-Chronicle est un framework de génération de données pour synthétiser des dialogues de conseil psychologique sur long horizon. Les auteurs créent CPCD, un dataset chinois de 90 000 dialogues couvrant 100 profils d'étudiants sur un semestre, avec un benchmark évaluant la mémoire long-horizon et le raisonnement causal. Code et données open-sourcés.
Faithful-MR1 est un framework d'entraînement pour MLLMs qui améliore le raisonnement multimodal via apprentissage par renforcement. Il ancre l'attention visuelle directement sur les régions d'image (pas via descriptions textuelles) et renforce l'utilisation fidèle de cette attention par intervention contrefactuelle. Résultats sur Qwen2.5-VL-Instruct 3B/7B avec moins de données.
Étude comparative de 5 classifieurs (régression logistique, random forest, XGBoost, SVM, naive Bayes) sur prédiction du risque de maladie rénale chronique. Tous atteignent AUROC 1.00 en interne (UCI, 400 patients), mais s'effondrent sur MIMIC-IV externe (AUROC 0.48-0.58). Calibration et couverture conforme dégradées drastiquement. Aucun modèle ne satisfait les critères de déploiement clinique.