OpenAI démontre l'équivalence mathématique entre les méthodes de policy gradients et le soft Q-learning en apprentissage par renforcement. Cette découverte théorique unifie deux approches majeures de l'RL et ouvre des perspectives pour combiner leurs avantages respectifs.
OpenAI a développé un système non supervisé qui apprend une excellente représentation du sentiment en étant entraîné uniquement à prédire le caractère suivant dans des avis Amazon.
OpenAI montre que les stratégies évolutionnaires (ES) rivalisent avec l'apprentissage par renforcement standard sur des benchmarks modernes (Atari, MuJoCo) tout en évitant plusieurs inconvénients de l'RL.
OpenAI publie une recherche sur l'émergence du langage compositionnel ancré dans des populations multi-agents. Les agents développent spontanément un langage structuré pour communiquer et résoudre des tâches collaboratives sans supervision linguistique explicite.
OpenAI publie une méthode d'apprentissage par imitation en troisième personne permettant aux agents d'apprendre à partir d'observations externes sans accès direct aux actions. La technique améliore la généralisation et réduit la dépendance aux démonstrations de première personne.
OpenAI publie PixelCNN++, une amélioration du modèle PixelCNN pour la génération d'images via une vraisemblance logistique mélangée discrétisée et modifications architecturales. Le modèle atteint des résultats SOTA sur les benchmarks de génération d'images.
OpenAI lance Universe, une plateforme logicielle pour mesurer et entraîner l'intelligence générale des IA sur des jeux, sites web et applications.
OpenAI publie une étude sur l'exploration basée sur le comptage en apprentissage par renforcement profond. Les chercheurs analysent comment les agents peuvent explorer efficacement les environnements en utilisant des mécanismes de comptage pour identifier les états peu visités.
OpenAI établit une connexion théorique entre les réseaux antagonistes génératifs (GAN), l'apprentissage par renforcement inverse et les modèles basés sur l'énergie. Cette unification mathématique offre une perspective nouvelle sur trois paradigmes fondamentaux du machine learning.
OpenAI présente RL², une méthode de reinforcement learning qui utilise un apprentissage lent pour accélérer l'adaptation rapide des agents. La technique entraîne un modèle à apprendre efficacement à partir d'expériences limitées, améliorant la généralisation et la vitesse de convergence sur de nouvelles tâches.
OpenAI, Berkeley et Stanford co-signent un paper dirigé par Google Brain sur les problèmes concrets de sécurité IA. Le document explore les défis de recherche pour garantir que les systèmes ML modernes fonctionnent comme prévu.
OpenAI lance la bêta publique de Gym, une boîte à outils pour développer et comparer des algorithmes d'apprentissage par renforcement. Elle inclut des environnements variés (robots simulés, jeux Atari) et une plateforme de comparaison des résultats.
OpenAI présente la normalisation des poids, une reparamétrisation simple qui accélère l'entraînement des réseaux de neurones profonds. La technique découple la magnitude et la direction des poids, réduisant la covariance des gradients et améliorant la convergence.
ChatGPT améliore son système de mémoire « Dreaming » en construisant des profils utilisateur cohérents à partir des conversations, organisés par thèmes (travail, loisirs, voyages). Le taux de succès pour maintenir les informations à jour passe de 52,2 % à 75,1 %.
Un utilisateur a découvert qu'une RTX 3090 était connectée à un slot PCIe 2.0 x4 caché sur sa carte mère Gigabyte X399, limitant les performances à 11 tok/s sur Mistral 128B. Après réorganisation des GPUs et configuration correcte du tensor-split, les performances ont doublé à 24,7 tok/s. Avertissement pour les builds multi-GPU sur cartes HEDT anciennes.
Étude Bain sur 951 entreprises : 40% réalisent moins de 10% d'économies IA alors qu'elles visaient 11-20%. Seules 7% déploient des agents IA entièrement autonomes, contrairement aux hypothèses de leurs business cases.
On-policy distillation (OPD) est une technique post-training clé utilisée par Qwen 3.6/3.7, GLM-5.1 et DeepSeek-V4. La méthode utilise un modèle auxiliaire pour identifier les erreurs dans les trajectoires et injecter des tokens de correction, permettant au modèle principal d'apprendre sans régénérer de nouveaux rollouts.
LeanCTX est un système d'exploitation de contexte local pour le développement IA. Un binaire unique compresse, mémorise, route et vérifie les tokens entre le code et le modèle. 63 outils MCP, 10 modes de lecture, jusqu'à 99% d'économies de tokens. Compatible Cursor, Claude Code, Copilot, Windsurf, Gemini.
Sam Altman, Dario Amodei et Demis Hassabis demandent au Congrès américain d'imposer le contrôle légal des commandes d'ADN synthétique. Les systèmes IA surpassent déjà les virologues PhD sur les procédures de laboratoire, créant un risque de détournement pour les armes biologiques.
xAI lance grok-imagine-video-1.5-preview, un modèle image-vers-vidéo générant des vidéos cinématiques jusqu'à 720p à partir d'images fixes et de prompts texte. Plusieurs clips peuvent être assemblés en scènes plus longues.
AXON est un module sans entraînement pour améliorer le décodage parallèle des modèles de diffusion discrets. Il sélectionne les tokens « ancres » (tokens confiants) que les positions incertaines utilisent via attention, réduisant les étapes de débruitage tout en maintenant la qualité sur des benchmarks de raisonnement et génération de code.
ADAPTOOD est un framework pour l'adaptation de modèles de séries temporelles ECG face à des décalages de distribution. Il utilise l'incertitude des données pour quantifier la sévérité du décalage et guide le fine-tuning avec des mises à jour low-rank et optimisation adaptative des hyperparamètres. Résultats : +7% de précision et +12,9% de précision sur les tâches OOD.
SDPG combine l'auto-distillation de politique avec des avantages de vérificateur relatifs au groupe et une régularisation KL. La méthode utilise une divergence KL inverse sur vocabulaire complet pour superviser les générations d'un modèle de langage. Code disponible sur GitHub.
SGR intègre les LLM avec des graphes de connaissances externes via génération de sous-graphes guidée par schéma. Le framework extrait entités et relations, récupère des sous-graphes compacts, puis combine raisonnement Cypher direct et validation multi-chemins. Tests sur CWQ, WebQSP, GrailQA, KQA Pro montrent amélioration de précision et Hits@1 vs baselines.
Nouvelle approche FFR pour récupérer des fragments cohérents multi-énoncés et multi-images dans les dialogues longs multimodaux. Deux modèles : F2RVLM (génération + RL avec récompenses multi-objectifs) pour fragments uniques, FFRS (indexation + retrieval deux étapes) pour corpus. Dataset MLDR créé, résultats supérieurs sur benchmarks.
Étude géométrique des explications contrefactuelles dans les systèmes de ML modernes. Les chercheurs montrent que des modèles avec performances prédictives similaires peuvent différer substantiellement dans la faisabilité et la distance des changements contrefactuels, déterminées par la proximité de la frontière de décision et le support local des données.
Modèle XGBoost pour la détection précoce d'Alzheimer en trois classes (cognition normale, déficit cognitif léger, Alzheimer) sur 1 641 sujets ADNI. AUC-ROC macro 0.983 en validation croisée, 0.982 sur test. SHAP identifie CDR Global comme prédicteur dominant pour NC/MCI, CDR-SB et MMSE pour AD.
Article de synthèse situant les LLM dans l'histoire des méthodes computationnelles d'analyse conceptuelle en histoire, philosophie et sociologie des sciences. Examine les apports des LLM aux approches antérieures (méthodes numériques, approches distributionnelles, détection de changement sémantique lexical) et les défis méthodologiques persistants : construction de corpus, opérationnalisation, évaluation.
Dynamic Infilling Anchors (DIA) est une méthode sans entraînement pour les modèles de langage diffusion (dLLMs) qui ajuste dynamiquement les positions d'ancrage pour générer du contenu structuré (JSON, templates de raisonnement). Testé sur GSM8K et MATH, DIA améliore la conformité au format et la précision des réponses en évitant les spans rigides.
SARAF, un framework de prévision de séries temporelles augmenté par récupération, adapte l'équilibre entre pertinence et diversité selon la stationnarité des données. Il sélectionne des segments historiques hétérogènes et agrège leurs futures de manière consciente de la non-stationnarité. Expériences sur 8 datasets réels montrent amélioration de précision et robustesse.
Framework de vérification pré-déploiement pour agents IA en entreprise combinant enveloppe opérationnelle, génération de scénarios basée ontologie et certificat de confiance. Pilote sur 4 secteurs régulés (Fintech, Banque, Assurance, Santé) générant 1 800 scénarios : couverture réglementaire de 48,3% vs 33,1% pour baseline persona (p=0,0006). Tests sur Claude Sonnet 4, Qwen 2.5 72B, Gemma 4 26B.
Le Digital Apprentice est un framework pour l'IA agentive qui calibre l'autonomie progressivement selon des preuves empiriques. L'agent internalise la méthodologie tacite d'un humain superviseur, escalade les niveaux d'autonomie par compétence, et corrige la dérive d'alignement en temps réel. Trois piliers : capture de méthodologie, autorisation avec escalade explicite, alignement continu.
MechSim est un framework neuro-symbolique pour raisonner sur les mécanismes internes des simulateurs scientifiques intégrés aux systèmes LLM. Il représente les simulateurs via un schéma structuré capturant hypothèses, variables et dépendances, permettant aux agents LLM de générer des explications fondées sur les mécanismes plutôt que de traiter les simulateurs comme des boîtes noires.
IEEE P3109 définit une famille paramétrisée de formats binaires en virgule flottante pour le machine learning, avec support de précisions variables, arrondis stochastiques et modes de saturation. Les opérations sont sans exception et formellement vérifiées.
DMAIC-IAD est un système multi-agent inspiré du framework DMAIC de gestion qualité pour la détection d'anomalies industrielles. Il planifie d'abord les stratégies via des procédures opérationnelles standardisées, puis utilise un modèle juge pré-entraîné pour évaluer les candidats sans exécution coûteuse. Amélioration de 37,76% sur les baselines agentic existants.
SCORE, un framework co-évolutif, couple un évaluateur et un générateur dans un processus d'apprentissage partagé pour améliorer la génération de rapports de recherche profonde. Un meta-harness contrôle dynamiquement l'environnement d'évaluation selon la performance du solveur, évitant la saturation d'optimisation observée avec les évaluateurs statiques.
SaliMory est un framework d'entraînement pour agents conversationnels avec mémoire persistante. Il utilise une structure cognitive hiérarchique (faits utilisateur, préférences, mémoire de travail) et des récompenses décomposées par étape pour superviser les opérations mémoire (filtrage, consolidation, rappel). Résultats : -33% erreurs mémoire, +10% précision end-to-end, +100% taux de personnalisation.
Approche hybride métrique pour le défi Lorenz CTF4Science combinant prédiction court-terme, appariement de distribution long-terme et reconstruction de trajectoire. Système multi-modèles : denoiseurs pré-entraînés synthétiques, ajustement ODE Lorenz pour 20 pas, substitution histogram-tail avec bibliothèques synthétiques. Score 83.84 sur leaderboard public.
Étude diagnostique sur les sélecteurs de modèles hors ligne pour la prédiction d'abandon sur edX. Les auteurs identifient trois causes d'échec (learner mal adapté, état non prédictif, label shift) via trois étapes : plafond oracle par k-NN, évaluation de BC/DQN/CQL, ablation de l'état. Sur 5 modèles, l'oracle gagne 9,7 points, mais les learners restent bloqués par ambiguïté représentationnelle locale.
Les auteurs proposent un cadre pour les systèmes multi-agents où le désaccord entre agents est traité comme un signal informatif plutôt que comme une erreur à éliminer. Ils définissent quatre états de désaccord basés sur la similarité des traces de raisonnement et l'accord sur les conclusions, appliqués à la modération de contenu avec routage stratégique défaisable.