PROTEA est une interface pour déboguer et affiner les workflows multi-agents LLM hors ligne. Elle évalue les sorties intermédiaires avec des rubriques configurables, localise les goulots d'étranglement via le graphe du workflow, et génère des révisions de prompts ciblées. Sur deux workflows en production, PROTEA améliore la précision de 64,3% à 83,9% et le Hit@5 de 0,30 à 0,38.
Vision-OPD propose une auto-distillation régionale-globale pour améliorer la compréhension visuelle fine des MLLMs. Le framework transfère la perception privilégiée du modèle sur des crops centrés sur les preuves vers sa politique pleine image, via minimisation de divergence KL token-level sur rollouts on-policy. Résultats compétitifs sur benchmarks de compréhension visuelle fine sans modèles externes ni labels.
ReTAMamba propose une architecture basée sur Mamba pour prédire des séries temporelles cliniques irrégulières. Le modèle estime la fiabilité des observations selon leur manque et délai écoulé, intègre informations court/long terme via « Chronological Weaving », et utilise un routeur de tokens budgété. Sur MIMIC-IV, eICU et PhysioNet 2012, gains AUPRC de 7,51%, 7,80% et 10,15% respectivement.
TabTrim, un nouveau cadre de pruning de tables pour TableQA, remplace les révisions séquentielles par une recherche parallèle supervisée par trajectoires or. Le système utilise les sous-tables intermédiaires des requêtes SQL or pour entraîner un pruner et un vérificateur. TabTrim-8B atteint 73,5% de précision moyenne, surpassant les baselines de 3,2% (79,4% sur WikiTQ, 61,2% sur TableBench).
QuickLAP fusionne retours physiques et linguistiques pour apprendre les fonctions de récompense de robots en temps réel. Le framework bayésien utilise des LLM pour extraire des masques d'attention et des préférences du langage libre, intégrés aux corrections physiques via une règle de mise à jour fermée. Réduction d'erreur de 70% vs baselines en simulation de conduite autonome.
ALIGN est un framework vision-langage pour inférer les coordonnées précises d'accidents routiers à partir de rapports d'actualité en bengali et d'indices cartographiques. Utilisant une architecture agentique combinant OCR, LLM et vision-langage, le système réduit l'erreur de localisation de 10,9 km à 0,593 km en validation et 0,465 km sur données officielles de Dhaka.
Développement d'un runtime CUDA optimisé pour l'inférence petit batch (robotique, VLA). Les goulots d'étranglement ne sont pas les GEMM seuls mais les surcoûts runtime : fragmentation kernels, transitions layout, conversions précision (FP8/FP4), scheduling Python. Résultats : Pi0.5 sur RTX 5090 ~17.6ms, GROOT N1.6 ~12.5-13.1ms, Qwen 27B ~129 tok/s.
Sub-JEPA améliore LeWorldModel (groupe LeCun, NYU) en appliquant la régularisation gaussienne dans des sous-espaces orthogonaux gelés plutôt que globalement. Gains de +10.7 pp sur Two-Room, trajectoires latentes plus droites, décodabilité d'état physique améliorée. Code et papier disponibles.
GitBook héberge 30 000 sites de documentation sur Vercel, servant 120 millions de pages vues mensuelles. La plateforme utilise la directive `use cache` de Next.js pour invalider le cache en moins de 300ms par site, traitant 40 000 invalidations quotidiennes. 41% du trafic provient de crawlers IA.
OpenAI et Snowflake signent un partenariat de 200 millions de dollars pour intégrer l'IA frontier directement dans la plateforme de données Snowflake. Les clients pourront déployer des agents IA et générer des insights sans déplacer les données. Intégration native des modèles OpenAI dans l'écosystème Snowflake.
OpenAI et SoftBank Group s'associent via SB Energy pour construire des campus de data centers multi-gigawatts dédiés à l'IA, dont une installation de 1,2 GW au Texas soutenant l'initiative Stargate.
OpenAI annonce GPT-5.2, son modèle le plus performant en mathématiques et sciences, avec résultats SOTA sur GPQA Diamond et FrontierMath. Le modèle résout un problème théorique ouvert et génère des preuves mathématiques fiables.
OpenAI déploie GPT-5.1 en API avec raisonnement adaptatif plus rapide, cache de prompt étendu, performances accrues en code, et nouveaux outils apply_patch et shell.
Meta lance Llama 3.2 avec capacités de vision intégrées et versions optimisées pour appareils locaux. Le modèle traite images et texte nativement, disponible en versions 1B et 3B pour exécution sur appareil.
Google publie Gemma 2 2B, un modèle léger optimisé pour l'inférence. ShieldGemma offre une protection contre les contenus nuisibles. Gemma Scope fournit des outils d'interprétabilité pour analyser le fonctionnement interne des modèles.
L'agent de code Transformers de Hugging Face atteint 92% de précision sur le benchmark GAIA, surpassant Claude 3.5 Sonnet (92%) et GPT-4o (87.9%). L'agent combine recherche web, exécution de code et raisonnement multi-étapes pour résoudre des tâches complexes.
Hugging Face présente Idefics2, un modèle vision-langage 8B open-source capable de traiter images et texte. Le modèle supporte résolution jusqu'à 1024×1024 pixels et fonctionne sur hardware standard. Disponible sous licence Apache 2.0 avec poids publics et code.
Hugging Face publie StarCoder2, modèle de code open-source entraîné sur The Stack v2 (dataset de 17B tokens de code). StarCoder2 surpasse CodeLlama sur plusieurs benchmarks (HumanEval, MBPP). Disponible en versions 3B, 7B et 15B, avec poids et code source libres.
OpenAI explore comment utiliser les propriétés de généralisation du deep learning pour contrôler des modèles forts avec des superviseurs faibles. Nouvelle direction de recherche pour la superalignment avec résultats initiaux prometteurs.
OpenAI entraîne un réseau de neurones à jouer à Minecraft via Video PreTraining (VPT) sur des vidéos non-annotées de joueurs humains. Le modèle apprend à fabriquer des outils en diamant (tâche de 24 000 actions) avec peu de données étiquetées. Il utilise l'interface native (clavier/souris) et représente un pas vers des agents informatiques généraux.
Vercel présente « The Agent Stack », une pile complète pour construire des agents IA en production. Elle intègre AI SDK (interface unifiée multi-modèles), AI Gateway (routage et facturation centralisée) et permet d'appeler Claude, GPT et autres sans vendor lock-in.
Xcientist est un système qui externalise la synthèse de recherche et la validation expérimentale des scientifiques IA en processus inspectables et gouvernés par contrats. Il organise les preuves littéraires, états d'idées, plans d'implémentation et traces de réparation comme artefacts persistants, éliminant la dérive de réclamation où les artefacts exécutables ne soutiennent plus le mécanisme initialement revendiqué.
SGCD, un framework d'auto-amélioration itérative, résout le problème des états hors-trajectoire en GUI agents. Le système exécute d'abord une politique simple, puis utilise une politique guidée par des skills pour générer des continuations réussies. Sur OSWorld-Verified, SGCD améliore le taux de succès de trois modèles de base de 30% à plus de 50%.
Framework causal pour scorer la récupération du sommeil à partir de polysomnographie multimodale. Utilise DAG learning sur deux cohortes (MESA n=1540, MrOS n=825) pour identifier 5 domaines physiologiques (charge respiratoire, hypoxie, fragmentation, architecture, régulation autonome). Le Sleep Recovery Score (SRS) obtient 2.5× meilleure corrélation avec la récupération perçue que l'AHI classique.
LLMZero utilise des agents LLM avec recherche arborescente pour découvrir des stratégies d'entraînement RL adaptatif. Le système identifie que les paramètres de capacité augmentent monotoniquement tandis que les paramètres de régularisation oscillent. Sur 4 tâches GRPO, les stratégies découvertes surpassent le modèle de base de 9-140% et la recherche en grille de 6-15%.
ASTRA est un simulateur de formation pour contrôleurs aériens qui automatise les rôles de pilotes via une pipeline de reconnaissance vocale, interprétation et génération de réponses. Le système réduit le taux d'erreur de reconnaissance vocale de 107,80% à 23,45% sur l'accent singapourien, et évalue les communications radio avec scores de 91,7% (précision), 88,2% (brièveté), 86,9% (complétude).
SAGE est une méthode post-hoc pour améliorer l'oubli sélectif dans les LLM. Elle corrige les vecteurs de mise à jour finaux en supprimant les composantes nuisant à la rétention, sans relancer le pipeline d'oubli original. Testée sur plusieurs méthodes et échelles, SAGE réduit le compromis oubli-rétention.
Étude mécanistique du raisonnement mathématique dans les LLM multilingues. Les paramètres associés aux maths montrent un chevauchement partiel entre langues, concentré dans les couches intermédiaires. L'anglais produit le plus grand ensemble de paramètres pertinents, tandis que les langues peu dotées en ressources en révèlent moins.
Safety Reflection Pretraining intègre des réflexions de sécurité courtes dans les corpus de préentraînement pour établir l'auto-surveillance directement dans la modélisation du langage. Sur des modèles 1.7B préentraînés sur FineWeb-Edu, la méthode améliore la précision de classification de sécurité et réduit substantiellement les taux de succès des attaques en inférence et fine-tuning.
Framework pour la customisation et le déploiement efficace de systèmes multi-agents LLM en entreprise. Combine préentraînement continu, fine-tuning supervisé et optimisation de préférences pour adapter des modèles compacts à des domaines spécialisés. Intègre décodage spéculatif et quantification FP8 pour réduire latence et coûts. Atteint 4.48x d'accélération de débit tout en maintenant la performance.
Nouvelle approche de personnalisation LLM : stocker les faits utilisateur comme édits locaux dans une table mémoire hashée (Engram) plutôt que via LoRA global. Réduit l'empreinte mémoire de 33 000x, améliore la précision du raisonnement indirect de 5,6x en moyenne, et permet de stacker plusieurs utilisateurs sans contamination croisée.
Amazon, Nvidia et AMD investissent 310 millions de dollars dans Odyssey ML, startup de modèles 3D du monde, valorisée à 1,45 milliard. Le fonds IQT et Jeff Dean (Google) participent au tour. Les world models deviennent le prochain pari majeur après les modèles de langage.
Zhipu AI publie GLM-5.2 sous licence MIT avec contexte stable de 1 million de tokens. Sur FrontierSWE (benchmark de tâches de codage longues), le modèle open-source ne traîne que d'1 point derrière Claude Opus 4.8 d'Anthropic. Retard significatif sur le reasoning face aux modèles fermés.
Gemma 4 E2B tourne en navigateur à 255 tokens/sec via kernels WebGPU optimisés par Fable 5. Demo et kernels disponibles sur Hugging Face.
Vercel présente son infrastructure agent-first lors de Ship 2026 à Londres. Trois composants clés : Agent Stack (primitives pour agents), Vercel Connect (accès sécurisé aux outils externes sans tokens persistants), et eve (framework open-source pour agents en production avec exécution durable, compute sandboxé, approbations et évals).
Des chercheurs de Nvidia, Carnegie Mellon et UC Berkeley utilisent des agents IA de codage pour enseigner aux robots la préhension dextère en conditions réelles. Une flotte de huit robots atteint 99% de succès sur des tâches complexes.
DeepSeek complète une levée de fonds de plus de 7 milliards de dollars, parmi les plus importantes du secteur IA. Montant record pour la startup chinoise spécialisée dans les modèles de langage.
Serveur MCP d'intelligence de code haute performance. Indexe les bases de code dans un graphe de connaissances persistant en millisecondes. Support de 158 langages, requêtes sub-ms, 99% moins de tokens. Binaire statique unique, zéro dépendance.
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.
ByteDance publie UI-TARS-desktop, une stack open-source d'agents IA multimodaux connectant modèles IA et infrastructure d'agents. Plateforme pour construire des agents capables d'interagir avec interfaces utilisateur.