Comparaison systématique de deux approches pour générer des sorties structurées avec Claude : instructions textuelles + parsing post-génération (65-70% de succès) vs tool_use avec schémas typés et contraintes enum (90-95%+). La validation au niveau API élimine les erreurs de parsing et réduit drastiquement le débogage en aval.
Un développeur déverrouille les 40 CUs complets du GPU RDNA 2 des cartes PS5 salvagées (AMD BC-250, ~$50-150) en modifiant deux registres du driver amdgpu. Résultats : 372 tok/s en Vulkan (24→40 CUs) et 466 tok/s à 2 GHz. Développement en cours d'un kernel HIP custom pour gfx1013 avec +63% perf sur Q6_K.
HalBench : benchmark open-source mesurant la sycophantie et les hallucinations sur 3 200 prompts à fausses prémisses testés sur 4 modèles (Sonnet 4.6, Grok 4.3, GPT-5.4, Gemini 3.1 Pro). Sonnet 4.6 obtient 0.565/1, Grok 4.3 0.498, GPT-5.4 0.381, Gemini 3.1 Pro 0.339. Dataset, code et résultats publics.
Cohere lance Command A+, son premier modèle MoE open-weights. Optimisé pour l'efficacité et la latence, il fonctionne sur 1-2 GPUs avec quantization avancée. Licence Apache 2.0, conçu pour les agents et les petites équipes.
ByteShape publie des quantifications GGUF de Qwen 3.6 35B en deux variantes : NTP et MTP. Tests sur RTX 4090/5090, Intel i7/Ultra 7, Ryzen 9, Raspberry Pi 5. Résultat clé : le plus grand modèle reste compétitif en qualité et vitesse. MTP offre 20-40% de boost GPU mais augmente la mémoire. NTP recommandé pour CPU.
Stability AI lance Stable Audio 3.0 avec trois modèles en poids ouverts. Les modèles génèrent des pistes musicales jusqu'à six minutes, entraînés exclusivement sur données sous licence.
Sortie de datasette-agent-charts 0.1a1. Nouvelles fonctionnalités : schémas de couleurs séquentiels/catégoriques pour les graphiques, vérification des permissions execute-sql, tooltips interactifs, correction du bug waffleY.
Microsoft publie un serveur MCP pour Azure DevOps, permettant aux agents IA d'accéder directement aux fonctionnalités Azure DevOps.
vLLM est un moteur d'inférence et de serving haute performance pour LLMs, optimisé pour le débit et l'efficacité mémoire.
Celonis acquiert Ikigai Labs et lance le Celonis Context Model (CCM). Le MIT entre au capital en échange d'une licence de brevets. Annonce du 12 mai 2026 depuis Munich.
Nouvel article sur l'oubli machine multi-tâche : suppression de données d'entraînement d'un modèle partagé sans dégrader les autres tâches. Propose une méthode combinant projection de gradient task-aware et orthogonalisation instance-level. Réduit l'interférence de 30–53% sur benchmarks vision.
Article théorique sur l'exploration adaptative en environnements incertains. Distingue volatilité (drift des récompenses) et stochasticité (bruit d'observation) : la première augmente l'exploration optimale, la seconde la réduit. Propose CAUSE, bonus d'exploration en forme fermée via control-as-inference, validé sur bandits gaussiens avec dynamiques latentes.
DMPO (Distribution-Matching Policy Optimization) résout l'effondrement modal dans les méthodes RL on-policy comme GRPO en utilisant l'approximation forward KL au lieu de reverse KL. Sur NP-Bench texte et vision, DMPO atteint 43.9% et 43.1% de Quality Ratio (vs 40.1% et 38.4% pour GRPO), avec gains de +2.0% en raisonnement mathématique.
Synthèse de 120 études sur le raisonnement mathématique dans les LLM. Analyse structurée des datasets, architectures, stratégies d'entraînement et protocoles d'évaluation. Identifie les modes de défaillance récurrents : fidélité du raisonnement, biais des benchmarks, limitations de généralisation.
Les explications en anglais pour auditer des LLM multilingues masquent un compromis : elles obtiennent un meilleur accord avec les rationales humaines mais perdent leur ancrage causal dans les prédictions du modèle. Sur 3 tâches et 5 langues, la compréhensibilité se dégrade jusqu'à 5,7x en pivot anglais, même avec une précision stable. Les auteurs recommandent d'auditer dans la langue d'entrée.
FormalASR propose deux modèles compacts (0.6B et 1.7B paramètres) qui transcrivent directement le chinois parlé en texte formel écrit, sans pipeline ASR+LLM. Entraînés sur WenetSpeech-Formal et Speechio-Formal via fine-tuning supervisé de Qwen3-ASR, ils réduisent le CER de 37.4% par rapport aux baselines verbatim et améliorent ROUGE-L et BERTScore.
Article théorique sur l'émergence de superposition dans les Transformers pour le raisonnement en profondeur. Identifie un attracteur de Möbius sous symétrie S_n et une supervision en cascade qui permettent à la descente de gradient de converger vers un état de superposition équipondéré sur graphes Erdős-Rényi. Prédictions analytiques validées expérimentalement (cosinus final 0.37 vs 0.69).
Les architectures équivariantes améliorent les surrogates neuraux pour la dynamique des fluides (CFD) lorsque les données manquent de régularités fortes, mais dégradent les performances sur des datasets fortement alignés. AB-GATr, un transformateur géométrique E(3)-équivariant, surpasse l'augmentation de données sur aérodynamique automobile et hémodynamique.
OpenCompass est une plateforme d'évaluation open-source pour LLM proposant une architecture modulaire avec 5 composants clés : système de configuration, partitionnement de tâches, exécution/ordonnancement, unité d'exécution et visualisation. Supporte évaluateurs rule-based, LLM-as-a-Judge et en cascade sur benchmarks multi-domaines (connaissance, raisonnement, code, science).
Les LLM échouent à identifier et partager la force statistique entre différentes présentations du même concept (même fait en anglais et swahili, fonctions en Python et Haskell). Ils créent des représentations internes parallèles redondantes, saturant la capacité du modèle. Les petits modèles montrent une compartimentation quasi-totale en apprentissage multilingue précoce.
PROWL introduit un curriculum adversarial avec contrainte KL pour améliorer la robustesse des world models vidéo. Une politique expose les trajectoires haute-erreur d'un modèle diffusion tandis qu'un buffer PAT (Prioritized Adversarial Trajectory) re-classe les données selon l'erreur de prédiction et le progrès d'apprentissage. Évaluation sur MineRL montre une robustesse accrue sur trajectoires OOD.
Multi-Token Residual Prediction (MRP) est un module léger qui accélère les modèles de langage par diffusion en prédisant les résidus logit entre étapes de débruitage consécutives, sans relancer le backbone. Testé sur SDAR 1.7B–8B, MRP atteint 1.42× d'accélération sans perte en décodage spéculatif sur benchmarks de raisonnement et génération de code.
MOCHA est un algorithme d'optimisation multi-objectif pour affiner les skills d'agents LLM. Il utilise la scalarisation de Chebyshev et l'annealing exponentiel pour explorer la frontière de Pareto complète, y compris les régions non-convexes. Sur 6 tâches, MOCHA améliore la performance de 7,5% en moyenne (jusqu'à 14,9% sur FEVER) tout en découvrant deux fois plus de variantes Pareto-optimales que les baselines.
Étude empirique des défis de scheduling multi-modèles LLM sur hardware hétérogène. Les auteurs quantifient l'impact du layer offloading (dégradation non-linéaire du throughput, sensibilité modèle-dépendante) et de la préemption (coût dominé par rechargement d'état). Identifie features critiques pour futurs schedulers.
Étude des attaques jailbreak contre les modèles de raisonnement (LRM) via apprentissage par renforcement. Les chercheurs montrent que le taux de succès des attaques corrèle avec les patterns d'attention du modèle. Ils proposent une méthode RL intégrant des signaux d'attention dans la fonction de récompense, testée sur 5 LRM avec résultats supérieurs en efficacité et transférabilité.
GUIDE, un framework de bidding automatisé, combine un Decision Transformer avec un module Q-value et un Inverse Dynamics Module pour équilibrer exploration et sécurité. Testé sur Taobao, il atteint +4.10% GMV publicitaire, +3.52% ROI et +1.40% clics en déploiement réel.
Nouvelle architecture de world models combinant trois experts mémoire spécialisés via diffusion : court-terme (dynamiques locales), long-terme (historique externe), spatial (cohérence géométrique). Élimine le compromis transformer/RNN et scale sans coût quadratique.
Google a lancé Gemini 3.5 Flash en disponibilité générale à Google I/O. Le modèle (ID: gemini-3.5-flash) supporte 1,048,576 tokens d'entrée et 65,536 de sortie, avec une connaissance à jour de janvier 2025. Déployé massivement dans Google Search, Gemini app, et via API pour développeurs et entreprises. Prix augmenté par rapport aux versions Flash précédentes.
llm-gemini 0.32a0 sortie. Compatible avec llm>=0.32a0 alpha. Ajoute la capacité de streamer les tokens de reasoning.
Google restructure ses abonnements IA avec trois niveaux ($7.99 à $99.99/mois) basés sur la consommation de calcul plutôt que des limites quotidiennes. Lancement de Gemini Omni et l'agent Gemini Spark à I/O 2026.
Google annonce lors de sa conférence I/O trois nouveaux modèles : Gemini 3.5 Flash, Gemini Omni (multimodal) et Gemini Spark, un agent personnel fonctionnant en continu dans le cloud. L'application Gemini bénéficie d'une refonte majeure.
Un développeur a construit un compilateur ML minimaliste en Python/CUDA pur, sans dépendances externes. Il abaisse des transformers (TinyLlama, Qwen2.5-7B) via 6 IRs successifs jusqu'à des kernels CUDA. Sur RTX 5090, performance à 0.96× du stack PyTorch production, avec 32/84 formes de kernel surpassant les optimisations manuelles (jusqu'à 5.6× plus rapide).
Andrej Karpathy rejoint Anthropic en tant que chercheur senior. Le co-fondateur de Tesla AI et figure majeure du machine learning intègre l'équipe de recherche de l'entreprise.
Andrej Karpathy, chercheur majeur en IA et ancien membre clé d'OpenAI, rejoint Anthropic pour se concentrer sur la recherche en LLM frontier. Il considère les prochaines années comme « particulièrement formatives » pour le domaine.
Andrej Karpathy rejoint Anthropic en tant que Senior Research Scientist. Le cofondateur de Tesla AI et ancien directeur de l'IA chez Tesla apporte son expertise en deep learning et en systèmes d'IA à l'entreprise.
NVIDIA Labs publie Sana, un modèle de diffusion transformer linéaire pour la synthèse d'images haute résolution. Architecture efficace réduisant la complexité computationnelle tout en maintenant la qualité visuelle.
Anthropic enrichit Claude Managed Agents avec des sandboxes auto-hébergés et des tunnels MCP. Les entreprises peuvent désormais exécuter les outils de leurs agents IA dans leur propre infrastructure, tout en gardant le contrôle de l'agent chez Anthropic.
TABOM, une méthode de post-entraînement pour modèles de diffusion linguistiques, aligne l'optimisation sur la trajectoire de décodage multi-étapes facile-vers-difficile observée en inférence. Via une modélisation Boltzmann des préférences de démasquage, elle dérive un objectif de ranking par paires qui réduit le décalage entraînement-inférence et améliore les performances en nouveaux domaines.
VGGT-CD est un pipeline sans entraînement pour la détection de changements 3D à partir d'images multi-vues. Il découple l'enregistrement inter-temporel de l'interférence des changements dynamiques via une inférence conjointe d'images-clés et une purification des reconstructions denses. Sur le benchmark World Across Time, il réduit l'erreur de trajectoire de 44% en extérieur et 59% en intérieur, 6× plus rapide.
RAT (Randomized Advantage Transformation) estime les gradients de politique naturelle régularisés via rétropropagation directe, sans construire explicitement la matrice de Fisher. La méthode utilise la formule de Woodbury et les itérations de Kaczmarz aléatoires sur mini-batches on-policy. Résultats comparables ou supérieurs aux méthodes de gradient naturel établies sur benchmarks de contrôle continu et visuel.