BiasGRPO propose une méthode d'optimisation de politique (GRPO) pour atténuer les biais sociaux dans les LLM. En normalisant les récompenses sur un groupe de complétions, l'approche stabilise l'entraînement par rapport à DPO et PPO. Les auteurs publient un modèle de récompense de biais optimisé et un dataset étendu.
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.
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.
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.
La Boolean Task Algebra (BTA) permet la composition de tâches zéro-shot en RL. Les auteurs montrent que dans les MDPs déterministes, les fonctions Q optimales se réduisent aux tâches universelle et vide, rendant les tâches de base logarithmiques redondantes. Ils proposent une méthode basée sur les ensembles de buts qui réduit les coûts d'apprentissage et de composition tout en préservant les performances.
SANE propose un paradigme d'évaluation text-to-SQL spécifique aux domaines biologiques, utilisant des benchmarks générés automatiquement et ancrés aux schémas réels. Les tests montrent que les LLM en few-shot génèrent des requêtes SQL fiables sans fine-tuning, avec des erreurs principalement dues à des entrées ambiguës plutôt qu'à des défauts de génération.
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.
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.
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.
ACAT est une plateforme web collaborative pour l'annotation de datasets d'analyse de sentiment basée sur les aspects (ABSA). Elle supporte 4 workflows ABSA, automatise l'ETL et calcule les métriques d'accord inter-annotateurs. Sur 1 002 avis restaurants, temps médian d'annotation 31,58s, IAA 0,78-0,86.
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.
Méthodologie basée sur CausalBERT pour isoler l'impact de chaque aspect sur les notes globales des avis en ligne. Améliorations : calibrage de température, optimisation d'hyperparamètres, méthodes d'interprétabilité. Validation sur 600K+ avis d'écoles américaines : administration et performance aux tests sont les principaux facteurs.
Modèles fondamentaux basés sur des principes physiques (décomposition de Fourier, conservation d'énergie, symétrie) plutôt que sur corrélations statistiques. Entraîné sur données RF, un encodeur de 1.99M paramètres atteint 77.7% de précision moyenne sur 15 tâches diversifiées via linear probing, sans fine-tuning. Performance supérieure sur tâches physiques (84.5%) vs sémantiques (70.0%).
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.
Article théorique définissant les représentations Bayes-suffisantes en apprentissage supervisé. Une représentation est Bayes-suffisante si une tête de prédiction peut l'utiliser pour implémenter une règle d'action optimale au sens de Bayes. Le cadre relie la suffisance à l'élicitation de propriétés et montre que la perte détermine l'information pertinente requise.
Étude longitudinale montrant que des conversations quotidiennes de 5 min avec une IA sur 28 jours réduisent de 10,3% la préférence pour le soutien humain et augmentent de 11,6% celle pour l'IA. Le soutien émotionnel émerge incidentellement dans les interactions courantes, pas seulement via des chatbots dédiés, redirigeant progressivement les choix relationnels.
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.
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.
MONIR est une représentation intermédiaire normative pour le raisonnement de conformité basé sur ASP. Le framework inclut une sémantique opérationnelle par étapes, une compilation exécutable (MONIR-ASP) et des extensions pour fonctions externes et règles temporelles. Validation sur réglementations ADAS chinoises avec pipeline assisté par LLM.
Étude sur l'apprentissage par renforcement basé sur l'affinité pour instiller des comportements vertueux chez les agents IA. Les chercheurs testent cette technique dans Fog of Love, un environnement multi-agent complexe où deux agents doivent concilier compétition individuelle et coopération relationnelle. Les affinités localisées améliorent les performances et rendent le comportement des agents interprétable.
Formalisation arborescente de la complémentarité dans les interactions humain-IA multi-agents. Le cadre modélise les protocoles HAI par des arbres binaires planaires dont les feuilles sont des vecteurs de prédiction. Résultats : complémentarité impossible en sélection d'agent, atteignable en régression (avec forme fermée pour N=2), obstruée en classification sous pertes monotones.
Étude mixte sur l'intégration de l'IA dans les workflows de formalisation de preuves mathématiques. Enquête qualitative + user study contrôlée montrent que les mathématiciens préfèrent conserver le contrôle haut niveau, mais obtiennent une meilleure précision avec accès aux outils IA, en combinant plusieurs modèles.
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.
Méthode de renforcement tabulaire pour l'expansion de réseaux de métro (MNEP). Reformulation en processus de décision non-markovien (NMRDP) : performance comparable à Deep RL avec 18× moins d'épisodes d'entraînement et 12× moins d'émissions carbone. Intègre critères d'équité sociale. Validé sur Xi'an et Amsterdam.
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.
KODA est un framework kernel-based pour comparer et aligner les représentations de modèles vision-langage (CLIP, SigLIP). La méthode identifie des sous-ensembles d'échantillons faiblement groupés dans une représentation mais fortement groupés dans une autre, via optimisation contrainte et approximations low-rank. Code disponible.
Cadre théorique pour l'apprentissage par renforcement profond en environnements continus, modélisant le problème comme processus stochastique continu. Pour réseaux à une couche cachée, les auteurs caractérisent l'évolution de la distribution d'état via équations différentielles stochastiques à la limite de largeur infinie.
Un utilisateur a transformé un téléphone Android (Z Fold 6) en nœud d'inférence local pour LLM via Vulkan, GGUF et llama.cpp. Le téléphone expose un endpoint compatible OpenAI intégré à un mesh Tailscale avec routage LiteLLM et fallback vers des nœuds plus puissants (Mac Studio, RTX box).
Test local de Gemma 4 12B vs 26B-A4B sur RTX 4090 : animation HTML5 canvas avec physique. Le 26B utilise 15 GB VRAM (6,9k tokens, 138 tok/s), le 12B 9 GB (8,9k tokens, 80 tok/s). Le 26B-A4B surpasse le 12B (~1,7x plus rapide avec 4B params actifs), mais le 12B reste compétitif sur 16 GB.
Test de l'AMD RX7900XTX avec ROCm7 sur llama.cpp (Qwen 3.6-35B). Mode silencieux (171W) vs mode standard (271W) : réduction de 99W, baisse de 9.4% en génération, 17.1% en prefill long-contexte, température jonction -11°C.
Gemma 4 12B testé comme agent de codage sur RTX 4080 Super via VSCodium + Pi Agent. Le modèle a généré un script Python complet (lecture de logs, extraction d'erreurs, export JSON), créé des données de test, exécuté le code en terminal et validé le résultat sans bugs. Contexte 32K, quantization Q4_K_XL, llama.cpp + CUDA.
llama.cpp optimise le support de Qwen 3.6/3.5-MTP après plusieurs PR et corrections. La communauté partage des benchmarks tokens/s avec configurations détaillées (quantification, contexte, KVCache, MTP). Exemple : 207.90 t/s en prompt eval, 24.07 t/s en génération avec taux d'acceptation draft 52.6%.
Un développeur a créé un compilateur qui transforme le code Python en représentation optimisée pour les modèles IA. Testé sur ~13k fichiers, il réduit les tokens de 14% tout en conservant 99.8% d'équivalence AST. Projet open-source nommé Vulpine.
Implémentation C++ portable d'EnCodec de Meta utilisant Eigen. Codec audio sans dépendances runtime, intégration CMake facile, performances comparables ou supérieures à onnxruntime. Poids compilés dans le binaire.
Uber plafonne à 1 500 $ par mois par outil l'utilisation des agents de codage IA (Claude Code, Cursor) pour maîtriser ses coûts. La limite représente ~11% du salaire médian d'un ingénieur Uber ($330k). Cette politique intervient après avoir épuisé son budget IA 2026 en quatre mois.
Benchmark de spatial reasoning sur LLMs avec Sokoban en zéro-shot. ChatGPT, Qwen3.7-max et Gemini 3.5-thinking réussissent ; Gemini 3.5-flash, Qwen 3.6/3.7-plus, GLM-5 et Gemma4 échouent. Format strict (UP/DOWN/LEFT/RIGHT uniquement) élimine le chain-of-thought.
llama.cpp build b9455 avec tensor-split atteint 70+ tokens/s sur Qwen3.6-27B-UD-Q8_K_XL avec 2x3090, rivalisant avec vllm. Spéculative decoding MTP et flash-attention activés. Contexte jusqu'à 262K tokens, prefill à 1400+ t/s.
Étude comparative d'un Transformer encoder-only vs LSTM pour prédire le débit en bassins non jaugés. Sur données NOAA NWM, l'LSTM surpasse le Transformer. L'intégration d'informations aval améliore tous les modèles (+60% NNSE médian). La mémoire récurrente s'avère mieux adaptée à cette tâche d'inférence hydrologique.
MASC (Margin Self-Correction) est une méthode d'oubli de modèles de langage qui réduit efficacement l'écart logit entre le token suivant original et ses alternatives, sans nécessiter d'évaluation en aval. Testée sur TOFU, MUSE News et MUSE Books, elle atteint un compromis oubli-rétention compétitif avec un coût computationnel inférieur aux baselines existantes.