FETCH, un classifier pour le triage juridique automatisé, génère des questions de suivi via un ensemble économique de LLMs. L'étude montre que les modèles bon marché performent bien en classification, mais la génération de questions en langage clair de qualité requiert GPT-4 ou supérieur. Le prompt engineering seul ne suffit pas ; les évaluations LLM-as-judge divergent des évaluations humaines.
Papier de synthèse proposant l'Intelligent Computing Architecture Model (ICAM), un cadre à 6 couches pour l'informatique model-native. Mappe les concepts d'architecture informatique classique aux systèmes LLM (gestion de cache, contexte, agents). Introduit trois lois de conception : Semantic Locality Law, Context Budget Law, Agent Speedup Law. Distingue plan d'exécution probabiliste et plan de contrôle déterministe.
Framework hybride couplant LLMs avec simulation physique pour planifier la synthèse de matériaux inorganiques. Étude sur le système niobium-oxygène : les routes de synthèse générées par LLM surpassent les algorithmes classiques de planification de chemin en exploitant des priors implicites.
TCAR-Gen combine des réseaux de neurones graphiques, la fusion d'evidence temporelle et le raisonnement chain-of-trees pour la génération augmentée par récupération. Sur le benchmark Victorian Crime Diaries, atteint 0.3738 Recall@5, surpassant Vanilla RAG, Temporal RAG et GraphRAG. Tests cross-model sur GPT-OSS 20B à TinyLlama 1.1B montrent robustesse à petite échelle.
Étude de la généralisation retardée (grokking) lors du pré-entraînement de modèles de langage. Via un cadre basé sur l'exposition et les paires minimales BLiMP, les auteurs observent une généralisation différée sur cinq phénomènes grammaticaux. Les vecteurs de concepts grammaticaux deviennent plus prédictifs après généralisation et occupent un sous-espace de dimension supérieure.
FoLoRA, un framework d'optimisation conscient de l'oubli, adapte les modèles de fondation via quotient de Rayleigh généralisé. Il équilibre performance sur tâche cible et préservation des capacités préentraînées en pénalisant les directions d'adaptation à faible utilité relative à l'oubli. Testé sur adaptation mathématique, code et suivi d'instructions.
Méthode OPCD pour améliorer les grands modèles via critiques faibles. Au lieu d'utiliser des superviseurs faibles comme annotateurs, on les emploie comme critiques pour guider les révisions. La distillation progressive filtre les critiques de qualité et les intègre au modèle fort via signaux d'auto-enseignement adaptatifs. Résultats sur benchmarks de raisonnement et alignement.
Étude de la fidélité des agents LLM dans un simulateur de poker Texas. Les chercheurs mesurent l'écart entre le raisonnement énoncé et les actions réelles en décomposant le problème en deux étapes : raisonnement-conclusion et conclusion-action. Les deux étapes montrent des comportements opposés.
Étude combinant features linguistiques cognitives (pronoms première personne, mots absolutistes, émotions négatives) avec embeddings DistilBERT et Holographic Reduced Representation pour détecter la dépression dans des posts Reddit. Le modèle hybride atteint F1=0.94 vs 0.80 pour TF-IDF baseline, AUC=0.981.
Nouvel article arXiv proposant des approximations discrètes pour SG(L)D avec et sans momentum, permettant des prédictions précises de la covariance stationnaire et du temps d'autocorrélation intégré. Bornes d'erreur non-asymptotiques pour l'ajustement pratique et la quantification d'incertitude, validées sur modèles mal spécifiés et grands batch sizes.
Nouvelle méthode de détection d'anomalies dans les graphes spatio-temporels basée sur les shifts d'énergie spectrale. Détecte les anomalies camouflées (variation spectrale réduite) que les approches existantes manquent. Framework compatible avec message passing, sans modules séquentiels spécialisés.
InfoAtlas est un modèle fondation capable d'estimer l'information mutuelle entre variables haute-dimensionnelles en une seule passe forward, sans optimisation itérative. Préentraîné sur données synthétiques, il atteint 100× d'accélération par rapport aux estimateurs neuraux classiques tout en maintenant la précision et généralise à des scénarios réels complexes.
Théorie asymptotique pour SGLD-Gibbs, combinant dynamique de Langevin stochastique et mises à jour Gibbs pour l'inférence bayésienne dans les modèles à variables latentes. Les auteurs dérivent des limites de diffusion-saut et proposent un guide de tuning d'hyperparamètres garantissant une quantification d'incertitude statistiquement valide.
AEyeDE propose une méthode de détection de texte généré par IA basée sur les matrices d'attention d'un modèle Transformer proxy. Un CNN léger apprend à distinguer les patterns d'attention entre texte humain et IA-généré. La méthode surpasse les baselines texte-seul et montre une robustesse en transfert cross-dataset et face aux perturbations orthographiques.
Méthode pour évaluer des collections d'énoncés causaux bivariés sans accès à la vérité terrain. Les auteurs introduisent un score de compatibilité quantifiant la plausibilité d'un modèle causal induit, sans supposer la fidélité. Application à l'évaluation des affirmations causales de grands modèles de langage.
CHAM-net, un réseau de méta-apprentissage hiérarchique adaptatif, prédit les flux de méthane globaux en capturant les dynamiques spécifiques aux sites via un encodeur-décodeur conditionné. Sur données de simulation et observationnelles, le modèle atteint nRMSE=0.43 (émissions) et R²=0.97, surpassant les baselines.
VESTA est un framework d'agents statistiques équipant les VLMs d'une boîte à outils exploratoire dynamique pour affiner les modèles quantitatifs. Évalué sur DAWN (benchmark de modélisation de distributions et séries temporelles), VESTA surpasse les systèmes antérieurs, notamment sur tâches complexes en astronomie (fonctions de masse initiale, signaux d'ondes gravitationnelles).
CAST est une méthode d'auto-distillation sans réponse de référence pour GRPO (Group Relative Policy Optimization). Elle utilise un auto-enseignant sans gradient pour façonner les avantages au niveau des tokens selon la correction des trajectoires, avec inversion bidirectionnelle des signaux et avantages bornés pour les groupes à variance zéro. Améliore le raisonnement mathématique.
Méthode perturbative pour l'estimation non-paramétrique de variables instrumentales (NPIV). Inspirée de la théorie des perturbations en physique, elle étend les méthodes kernel ridge avec des corrections d'ordre supérieur. Réduit l'erreur de prédiction jusqu'à 99% dans les cas mal définis haute-dimension (β > 0.7) vs ridge regression standard.
Un cadre juridique pour la responsabilité civile des systèmes IA agentiques. L'article propose trois catégories d'interaction (dérive autonome, outil pur, planification collaborative) et utilise les logs d'interaction comme preuve pour déterminer où la responsabilité s'attache. Introduit un standard « Agent Raisonnable » basé sur la vérification de contraintes et la traçabilité.
Nouvelle méthode de quantization préservant les produits scalaires avec vecteurs non vus. Algorithmes adaptatifs et non-biaisés développés avec garanties théoriques. Implémentations pratiques 2-10× plus rapides que l'état de l'art en Adaptive Stochastic Quantization.
TRACE, une méthode de compression de trajectoires, détecte les risques de sécurité dans les agents LLM sur long horizon. Un Compresseur encode la trajectoire complète en état latent supervisé, tandis qu'un Reader juge la sécurité avec cette référence. Amélioration jusqu'à 12,6 points sur ASSEBench, Pre-Ex-Bench et R-Judge.
DOPA, un framework de recherche de démonstrations, utilise un proxy OOD pour approximer le domaine cible inaccessible et guide la récupération de démonstrations pertinentes. Une contrainte de diversité basée sur la distance de Mahalanobis assure la variété des exemples sélectionnés. Résultats positifs sur plusieurs LLMs et tâches en contexte de distribution shift sévère.
Système de génération d'humour pour SemEval-2026 Task-1 (MWAHAHA) utilisant une stratégie « générer-beaucoup → sélectionner-meilleur ». Génération de candidats diversifiés via prompting multi-étapes et ensemble de modèles, puis sélection via un modèle de préférence entraîné sur 2.5K jugements humains appariés. Classement 1er en anglais et chinois, 2e en espagnol.
Étude arXiv sur le rôle de la température dans la distillation de LLM. Les auteurs montrent que la divergence KL avant (FKL) surpasse la divergence KL inverse (RKL) à températures élevées, contrairement aux conclusions empiriques antérieures qui omettaient ce paramètre. La température enrichit FKL avec des signaux de tokens non-dominants tandis qu'elle rescale seulement les gradients RKL.
ReMax formalise l'exploration en RL via des retries : une politique est évaluée par le rendement maximal attendu sur M échantillons. L'exploration émerge naturellement sans bonus explicites. RePPO, variante de PPO optimisant ReMax, généralise M à un paramètre continu m, contrôlant finement l'exploration. Résultats sur MinAtar et Craftax.
GEM est une méthode d'effacement de concepts pour les modèles Rectified Flow Transformers. Elle combine des signaux de trajectoire (Generative Flow Networks) et un guidage par enseignant pour supprimer sélectivement les contenus nuisibles (deepfakes, violations de copyright) tout en préservant la génération bénigne.
Modèles de diffusion masquée : une politique réseau apprend l'ordre optimal de démasquage des tokens. Approche par réépondération de la perte selon les probabilités du débruiteur. Surpasse les heuristiques sur tâches combinatoires et protéines.
Protocole de gouvernance pour bases de connaissances multi-agents combinant cycle de vie formalisé, vote délibératif pondéré par réputation (Beta Reputation + EigenTrust) et sanctions graduées. Évaluation sur 100 agents, 7 archétypes comportementaux : 0.826 vs 0.791 de précision face à l'adversité modérée (p<0.001). Le masquage vote commit-reveal apporte +8.2-8.6pp.
Nouvelle métrique automatisée (Triangulated Preference Shift score) pour mesurer les biais lexicaux introduits lors de l'apprentissage par préférence (RLHF) dans les LLM, sans annotation manuelle. Analyse sur 6 familles de modèles révèle une tendance vers un « langage de prestige » (suremploi de « delve », « furthermore »).
Article académique proposant des autoencodeurs sensibles aux produits pour la détection d'anomalies dans les systèmes cyber-physiques multi-produits. Les modèles globaux traditionnels créent des « angles morts » où les attaques peuvent passer inaperçues. Tests sur Tennessee Eastman Process : le modèle produit-aware détecte 100% des scénarios d'attaque contre 22.2% pour le modèle global.
InfoNCE, l'objectif standard du contrastive learning, repose sur une hypothèse statistique mal alignée avec les embeddings normalisés modernes. Les auteurs proposent WEINCE, une modification simple utilisant la théorie des valeurs extrêmes et des statistiques batch en ligne pour corriger les logits softmax, sans paramètres supplémentaires. Améliorations consistantes sur 5 benchmarks vision.
Étude empirique d'adaptation de Phi Silica pour la réécriture de textes courts via curation de données, distillation de prompts et fine-tuning paramétrique. Dataset construit à partir de présentations publiques. Résultats : fidélité sémantique améliorée, hallucinations réduites, taux de victoire supérieur à GPT-5-chat.
LaSR introduit un paradigme d'entraînement pour les Speech LLMs intégrant un raisonnement latent aligné sur les régions acoustiques. Sans tokens intermédiaires explicites, la méthode améliore la reconnaissance de vocabulaire spécialisé sur Fun-Audio-Chat. Un nouveau corpus Spoken Darwin-Science pour terminologies académiques est proposé.
Étude sur l'adaptation sélective de données pour prédiction sur wearables. Analyse de 3 modalités (fréquence cardiaque, activité, EMA) sur dataset longitudinal. Gains AUROC jusqu'à 0.7 pour participants avec faible baseline, corrélation inverse forte (r=-0.67) entre amélioration et performance initiale. Bénéfice limité pour bonnes baselines.
BOUTEF est un corpus multilingue de 2 pays (Algérie, Tunisie) couvrant fausses nouvelles, narratifs authentiques, commentaires et débunkage. Inclut MSA, dialectes algérien/tunisien, arabizi, français, anglais et code-switching. Analyse révèle que les fausses nouvelles utilisent narratifs émotionnels et cadrage sensationnaliste, tandis que le débunkage adopte un style factuel.
Cadre en ligne sans hypothèse distributive pour contrôler la Conditional Value-at-Risk (CVaR) en environnements non-stationnaires et adversariels. Combine inférence conforme, apprentissage en ligne et représentation variationnelle de Rockafellar-Uryasev. Garanties de sécurité prouvées pour risques de queue non-linéaires. Applications : gestion de portefeuille et atténuation de toxicité LLM.
Intel présente Crescent Island à Computex 2026, un GPU professionnel basé sur l'architecture Arc Xe 3P avec jusqu'à 480 GB de VRAM en LPDDR5X. TDP de 350W, support des formats FP4/MXFP4 à FP64 pour les workloads IA nouvelle génération.
Un modèle LightGBM de régression quantile pour la prédiction de prix a classé une feature encodée (Bayesian target encoder) #1 en importance, mais l'ablation sur 4 seeds × 3 variantes a révélé une régression de +0.28pp MAPE. Le signal appris était du bruit irréductible (facteurs non observés), non généralisable.
MLE-Bench affiche 80% de gains en deux ans, mais une nouvelle étude (FML-Bench) révèle que peu provient du progrès algorithmique réel. À budget de steps égal et modèles identiques, l'algorithme AIDE de deux ans égale les systèmes modernes de recherche agent/évolutionnaire. FML-Bench unifie l'agent d'édition de code, la définition des steps et les splits val/test pour évaluer l'efficacité algorithmique.