Étude arXiv comparant l'autoévaluation (Big 5 vs Theory of Planned Behavior) avec le comportement réel de 11 LLMs frontier sur 4 tâches. TPB atteint la cohérence au niveau humain en conversation partagée, mais échoue entre conversations distinctes. Les cadres de personnalité larges prédisent mal le comportement réel.
MTPLX V1 est une app macOS native (Swift) pour exécuter des modèles MLX avec MTP (Multi-Token Prediction). Forge convertit automatiquement les modèles Hugging Face en MLX+MTP. Qwen 3.6 27B atteint 63 tps (vs 28 tps en v0.1). Inclut chat, dashboard temps réel, benchmarking AIME 2026, support Qwen 3.5 9B et Gemma 4.
Vercel AI SDK 7 introduit HarnessAgent, une API unifiée pour exécuter des agent harnesses établis (Claude Code, Codex, Pi). Permet de changer de harness sans réécrire l'agent. Les harnesses gèrent skills, sandboxes, sessions, permissions et sous-agents dans un environnement sécurisé.
Vercel Drop permet de déployer des fichiers ou dossiers par glisser-déposer dans le navigateur, sans Git ni CLI. Détecte automatiquement les frameworks (Next.js, etc.) et les construit. Crée un projet, upload les fichiers et publie en production avec une URL partageable en quelques secondes.
Kimi K2.7 Code de Moonshot AI est désormais disponible sur Vercel AI Gateway. Ce modèle de codage supporte les tâches de programmation longue horizon (frontend, DevOps, optimisation) avec architecture multimodale texte+vision et mode thinking natif.
GLM 5.2 est disponible sur Vercel AI Gateway avec une fenêtre de contexte portée à 1M tokens (vs 200K précédemment). Le modèle gère mieux les tâches longues et maintient le contexte d'ingénierie sur plusieurs étapes. AI Gateway offre une API unifiée avec suivi d'usage, retries, failover et tarification transparente sans markup.
Datasette 1.0a33 étend le pattern `?_extra=` aux requêtes et lignes en plus des tables. Cette alpha majeure documente enfin cette API pour les réponses JSON. Un explorateur API custom a été généré avec Claude Fable 5 et GPT-5.5.
Benchmarks de DiffusionGemma 26B A4B quantifié (Q6_K 22GB, Q4_K_M 16GB) sur RTX 5090. Contexte stable : 6,144 tokens (Q6_K) et 10,240 tokens (Q4_K_M) limités par l'absence de Flash Attention sur SM120. Paramètres optimaux et invocations llama.cpp documentés.
Anthropic abandonne sa politique de limitation silencieuse de Claude pour la recherche en IA. L'entreprise notifiera désormais les utilisateurs lorsqu'elle refuse une requête ou redirige vers un modèle moins capable pour des tâches de développement d'IA frontière.
Papier arXiv proposant une architecture de gouvernance runtime pour agents IA en production. Décomposition en 5 plans (raisonnement + 4 plans d'exécution : réseau, identité, endpoint, données). Gère les risques liés aux chaînes de délégation et aux actions composées, avec implémentation et évaluation sur 7 menaces et 5 workflows.
Article théorique sur le problème d'élicitation des connaissances latentes (ELK) : comment entraîner un système IA à rapporter honnêtement ses croyances sur des variables cachées. Les auteurs formalisent ELK via des diagrammes d'influence causale et prouvent un théorème d'impossibilité : aucune stratégie d'entraînement basée sur le feedback ne peut garantir l'honnêteté d'un agent, même avec un feedback parfait.
Les réseaux de neurones restent robustes face à une corruption d'entrée >90%, bien au-delà de la reconnaissance humaine. Une analyse en champ moyen des réseaux infinis révèle que les MLPs implémentent une règle de prototype (nearest-class-mean) universelle sur les architectures, expliquant pourquoi l'apprentissage réussit malgré le bruit massif.
Des modèles de reconnaissance vocale auto-supervisés (Wav2Vec2, HuBERT) fine-tunés sur des langues Khoisan (G|ui, West !Xoon) reconnaissent les consonnes clics avec une précision supérieure aux consonnes non-clics, démontrant que l'auto-supervision généralise aux phonèmes rares.
MAD2 est un benchmark de 1 000 dialogues audio bilocuteurs (3 368 claims vérifiables, ~10h audio) pour la détection de désinformation en conversation. Les auteurs proposent une fusion multimodale calibrée combinant un encodeur audio contextuel et un modèle texte dialogue-aware. Le contexte conversationnel améliore la vérification plus que le framing de la désinformation.
Les modèles de diffusion peuvent accélérer le décodage spéculatif des LLM en générant des blocs de tokens en parallèle. Cet article identifie un décalage entre l'entraînement bidirectionnel et la vérification gauche-à-droite, et propose trois interventions (pondération positionnelle, focal loss, chain loss) qui augmentent la longueur acceptée des drafts de 21-76% sur six benchmarks sans coût supplémentaire.
Enquête systématique sur l'apprentissage fédéré continu (FCL), qui combine l'apprentissage fédéré préservant la vie privée avec l'apprentissage continu sur données non-stationnaires. Identifie les limites des méthodes FL classiques face aux distributions évolutives et propose une taxonomie multi-dimensionnelle des approches FCL pour applications réelles (santé, IoT industriel, cybersécurité, villes intelligentes).
Okara, une plateforme d'IA CMO construite par 4 personnes, gère la croissance marketing pour 120 000+ entreprises sur Vercel. Elle traite 4 milliards de tokens quotidiens via une pile multi-fournisseurs et déploie 8 sous-agents spécialisés (SEO, contenu, réseaux sociaux, Reddit, Hacker News). Okara a migré vers Vercel AI Gateway pour unifier ses intégrations de modèles et éliminer la maintenance manuelle.
Méta-analyse de 300+ papiers sur le raisonnement en LLM. Taxonomie couvrant Chain-of-Thought, raisonnement multi-hop, mathématique, sens commun, visuel, code, RAG, agents et RL. Identifie hallucinations, inférence fragile multi-étapes, abstraction causale faible et mauvaise généralisation cross-domaine.
Anthropic revient sur une politique secrète qui aurait dégradé les performances de Claude Fable/Mythos pour les chercheurs en IA sans les en informer. L'entreprise reconnaît avoir « mal équilibré » les garde-fous et les rend désormais visibles.
Développeur crée une boucle vocale entièrement hors ligne pour Ollama + LM Studio. Stack : Silero VAD (détection activité vocale), Parakeet TDT 0.6B (STT ONNX INT8, 25 langues), Supertonic TTS 3 (synthèse ONNX multilingue). CPU uniquement, zéro données quittent la machine. Cross-platform (macOS/Linux/Windows), testé sur ThinkPad 4 ans.
Azure intègre DeepSeek V4 Pro et V4 Flash sur Vercel AI Gateway. Les requêtes routent automatiquement via Azure avec basculement vers d'autres fournisseurs sans modification de code. Support BYOK (clés personnalisées), zéro frais de plateforme sur l'inférence.
OpenAI acquiert Ona pour enrichir Codex avec des environnements cloud sécurisés et persistants, permettant aux agents IA de longue durée de fonctionner dans les workflows d'entreprise.
datasette-agent 0.2a0 ajoute la capacité pour les outils d'interroger l'utilisateur en cours d'exécution via ask_user() avec questions oui/non, choix multiples ou texte libre. Les conversations suspendues persistent en base de données et survivent aux redémarrages. Nouvel outil save_query intégré pour sauvegarder les requêtes SQL avec approbation humaine obligatoire.
OpenAI et Oracle s'associent pour permettre l'accès aux modèles OpenAI et Codex via Oracle Cloud, en utilisant les engagements cloud existants. Les clients bénéficient de sécurité et gouvernance d'entreprise.
Anthropic démontre que son modèle Mythos Preview convertit les correctifs de sécurité (Firefox, Windows kernel) en exploits fonctionnels en quelques heures pour quelques milliers de dollars, sans expertise spécialisée. Huit chaînes d'attaque complètes ont été finalisées avant que les mises à jour automatiques de Microsoft ne touchent un seul appareil.
Google DeepMind présente DiffusionGemma, un modèle de génération de texte 4x plus rapide que les approches autorégressives standard. La technique utilise la diffusion pour paralléliser la génération et réduire la latence.
Lemonade v10.7 introduit des modèles omni-modaux (image gen/editing), un outil de benchmarking (lemonade bench) comparant llama.cpp, FastFlowLM et vLLM, et étend le support multi-vendor (CUDA, Vulkan). 19 contributeurs, 6 groupes de travail dont 4 dirigés par non-AMDers. GPU accélération sur AMD, Apple Silicon, Nvidia, Intel.
Cohere lance North Mini Code, un modèle de code open-source avec 30B paramètres (3B actifs). Score de 33.4 à l'Artificial Analysis Coding Index. Licence Apache 2.0, disponible sur Hugging Face.
Google améliore NotebookLM avec Gemini 3.5 Flash, exécution de code en cloud et recherche autonome via Google Search. En tests internes, la nouvelle version surpasse l'ancienne dans 78,2% des cas.
Google DeepMind lance un appel à financement de 10 millions de dollars dédié à la recherche en sécurité des systèmes multi-agents IA.
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.
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.
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.
Nouvelle méthode GLU pour quantifier l'incertitude dans les LLM en combinant l'entropie locale (niveau token) et globale (géométrie des états cachés). Teste sur 3 familles de modèles et 6 benchmarks. Détecte les hallucinations confiantes que les méthodes existantes manquent.
TabClaw est un agent IA open-source pour l'analyse de tableaux et feuilles de calcul. Il accepte des fichiers CSV/Excel en langage naturel, expose un plan d'exécution éditable, utilise une boucle ReAct avec agents spécialisés pour le raisonnement multi-tables, et enregistre les workflows pour extraire des compétences réutilisables et s'adapter aux préférences utilisateur.
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.
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.
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.
PreAct-Bench est un benchmark de 1 000 trajectoires d'actions éthiques/non-éthiques pour évaluer la capacité des LLM à prédire les comportements nuisibles avant qu'ils ne se produisent. Les résultats montrent que même les modèles forts peinent à cette tâche de monitoring prédictif, soulignant le besoin de raisonnement orienté vers l'avenir en matière de sécurité.