Méthode pour établir des correspondances entre vecteurs d'embeddings produits par différents encodeurs. Exploite la cohérence géométrique locale des encodeurs contrastifs entraînés indépendamment : les distances courtes sont préservées à un facteur d'échelle près. Utilise un hachage géométrique itératif basé sur des ancres appairées pour récupérer les liens vectoriels. Code disponible.
Nouvelle architecture transformer pour la gestion autonome des ressources dans des constellations satellites hétérogènes (optiques et SAR). Utilise le reinforcement learning sans modèle pour la prise de décision en temps réel lors de missions d'observation terrestre. Démontre améliorations significatives et transferabilité sur différentes tailles de constellations.
Cadre d'évaluation basé sur des personas pour l'alignement pluraliste des IA génératives. Remplace les benchmarks monolithiques par une variété de profils cognitifs synthétiques représentant diverses perspectives humaines. Révèle une dégradation systématique de la cohérence des personas sous inférence séquentielle, suggérant le besoin de mécanismes de régulation dynamiques.
COMPASS est un framework d'alignement de sécurité pour agents de recherche LLM multi-étapes. Il combine l'exploration d'arbres cognitifs (CTE) pour synthétiser des trajectoires d'attaque et l'alignement introspectif (ISA) pour superviser les actions intermédiaires risquées. Résultats : meilleur compromis sécurité-utilité avec moins de données d'entraînement.
Les systèmes multi-agents LLM supposent que l'accord entre agents indique la fiabilité. Les auteurs montrent que la communication entre agents crée des défaillances corrélées et des faux consensus. Ils proposent CAGE-CAL, un cadre de calibration basé sur des graphes contrefactuels, qui compare les dépendances observées post-communication avec un scénario sans communication pour ajuster la confiance.
Méthode pour détecter et classifier l'usage de datasets dans la littérature scientifique via un framework GLiNER multitâche. Combine extraction de mentions, identification de relations et classification du contexte d'usage. Utilise données synthétiques et revalidation LLM pour pallier la rareté des labels.
Étude comparative de classification de sujets multi-label en zero-shot utilisant des graphes de connaissances extraits des documents. Framework testé sur 15 LLMs et 8 datasets : la variante keyword-enhanced surpasse la baseline, l'augmentation par graphe aide les petits modèles mais nuit aux grands, et le self-consistency decoding augmente les coûts sans amélioration.
Étude appliquant MAP-Elites (algorithme de diversité qualitative) à la génération procédurale de niveaux FPS. Deux nouvelles représentations (Point-Line, Spatial-Layout) améliorent la caractérisation des cartes. Métriques topologiques et émergentes définies. MESB génère des populations de cartes avec diversité et qualité supérieures aux approches antérieures.
Développeur crée un serveur MCP pour explorer l'ensemble de Mandelbrot via LLM. Outils : rendu d'images, présets de régions intéressantes, inspection des paramètres, palettes de couleurs, générateur de galerie HTML. Testé avec Qwen 3.6-35B. Repo GitHub : openmandel.
Datasette 1.0a32 corrige un bug avec les requêtes INSERT ... RETURNING via le nouvel endpoint /db/-/execute-write et plusieurs problèmes de base_url découverts lors d'expérimentations avec les Service Workers.
Benchmark sur Radeon 7900 XTX : Qwen3.6-35B vs Gemma4-26B avec reasoning activé. Qwen génère 2x plus de tokens (14,811 vs 7,386) mais Gemma est ~20% plus rapide en wall clock (95.6s vs 118.8s). MTP de Qwen atteint 130 tok/s vs 78 tok/s, mais le nombre de tokens devient le goulot. Qualité proche, splits intéressants par tâche.
mlx-Chronos est un outil CLI open-source et un leaderboard communautaire pour comparer les moteurs d'inférence MLX sur Apple Silicon (oMLX, Rapid-MLX, mlx-lm, Ollama). Il mesure TTFT, throughput, RAM et état thermique avec méthodologie standardisée. Leaderboard actuellement alimenté par un M2 8GB, cherche résultats M3/M4.
Développeur open-source un accélérateur IA sur FPGA (AWS F2) basé sur RocketChip/RISC-V avec mécanisme d'attention intégré au silicium. Benchmarks : 225× speedup attention vanilla, 96× TinyBERT, 50× ViT, 30× GPT-2 prefill. Support BF16 natif.
Kaikaku.AI lance Epicure, trois modèles IA distinguant les ingrédients compatibles par recette ou chimie. Entraînés sur 4,14 millions de recettes multilingues et FlavorDB, ils recommandent différemment selon leur source. Le modèle chimique seul classe mieux goût et valeurs nutritionnelles sans données directes.
Benchmark llama.cpp comparant Windows 11 et Linux (Ubuntu 26.04) sur GPU Nvidia (RTX 5080 + 2× RTX 5060 Ti). Aucune différence significative de performance : Qwen 3.5 122B atteint PP 300/TG 28 (Windows) vs PP 290/TG 28.5 (Linux) ; Qwen 3.5 397B : PP 140/TG 16 vs PP 150/TG 15.2. Tests répétés 4 fois avec llama.cpp récent incluant optimisation VRAM.
Une étude Anthropic révèle que les chercheurs aux noms typiquement masculins utilisent les agents de codage IA plus de deux fois plus souvent que ceux aux noms féminins, à discipline et niveau de carrière égaux. Les économistes en tête (39%), les chercheurs en éducation à 4%. L'écart de genre pour les agents de codage dépasse celui de l'IA générale.
mlx-Chronos est un outil CLI open-source et leaderboard communautaire pour benchmarker les moteurs d'inférence LLM locaux sur Apple Silicon (oMLX, Rapid-MLX, mlx-lm, Ollama). Mesure TTFT, throughput, RAM, et état thermique avec méthodologie standardisée. Actuellement peuplé uniquement par résultats M2 8GB.
Les agents de recherche IA comme GPT-5.4 et Kimi K2.6 confirment surtout leurs connaissances d'entraînement au lieu de vraiment explorer le web. Des chercheurs de l'Institut de technologie de Harbin ont démontré cela avec LiveBrowseComp, un benchmark basé sur des événements des 90 derniers jours. Sans accès à la mémoire d'entraînement, les performances s'effondrent.
Analyse TCO d'un serveur LLM local de 6400$ équipé de 4x MI100 32GB et CPU EPYC 48-core. Exécute 4 instances llama.cpp avec Qwen 3.6 27B sur ROCm. Traite 20.4M tokens input et 1.32M tokens output/jour. Coût API équivalent: 3701$/an (308$/mois). L'auteur souligne l'importance de l'amortissement matériel pour un TCO réaliste.
Simon Willison a utilisé Claude Opus 4.8 via Claude Code pour implémenter l'exécution d'applications Python ASGI dans le navigateur via Pyodide et Service Workers. Cette approche remplace la précédente basée sur Web Workers, permettant l'exécution de scripts JavaScript et corrigeant les limitations de Datasette Lite. Des démos fonctionnelles sont disponibles.
Des attaquants exploitent les fonctionnalités de partage de conversations de ChatGPT et Claude pour distribuer des malwares. Les chats contrefaits imitent des messages d'erreur ou guides d'installation et contournent les outils de sécurité en étant hébergés sur des domaines de confiance.
Vidai Community, binaire Rust open-source, unifie cost attribution, guardrails et multi-provider routing pour appels LLM. Intégration one-line via changement base_url (OpenAI/Anthropic/Google). Attribution de coûts par user/team/model, budgets hard, overhead 1.95ms, 21,803 RPS sur single node.
Développeur a créé NeuralDBG, un debugger PyTorch qui détecte automatiquement les défaillances d'entraînement (gradients qui s'évanouissent/explosent, anomalies de données). Insight clé : les défaillances sont localisées par couche, pas globales. Monitoring efficace : transitions de normes de gradient par couche plutôt que histogrammes bruts. Outil open-source sur PyPI.
Shadow AI est un assistant vocal local pour Windows en open source (AGPL-3.0). Conversations naturelles multilingues, recherche web via SearXNG local, mémoire persistante, intégrations Google optionnelles (Gmail, Calendar, Drive). Utilise clé Gemini gratuite de l'utilisateur, zéro serveur distant.
Utilisateur teste Flash Attention 2 (ai-bond) sur V100. Benchmarks montrent 7-24x speedup en backward pass, réduction mémoire jusqu'à 91.9% (323.4 MB économisés). Temps de réflexion avant réponse minimisé. Validation numérique OK sur configurations causal et non-causal.
Benchmark MTP (Multi-Token Prediction) sur Gemma 4 31B et Qwen 3.6 27B avec vLLM et llama.cpp. Résultat : 3.34x accélération (132.52 vs 39.69 tok/s). vLLM surpasse llama.cpp sur Gemma 4 ; llama.cpp performant sur Qwen. Pas de dégradation qualité confirmée, VRAM négligeable.
OpenAI met gratuitement son modèle IA spécialisé en sciences de la vie, GPT-Rosalind, à disposition via le programme Rosalind Biodefense. Objectif : préparer les gouvernements aux futures pandémies. Partenaires initiaux : Lawrence Livermore National Laboratory, Johns Hopkins, CEPI.
Airbus s'associe à Mistral AI pour développer une intelligence artificielle souveraine dans le secteur aéronautique. Le partenariat vise à intégrer des modèles d'IA sécurisés dans les opérations et processus du groupe.
Nvidia investit 300 M$ dans Decart, une start-up spécialisée dans les world models et l'optimisation logicielle. La participation de Nvidia vise à contrôler une couche d'optimisation capable de fonctionner sur ses puces et celles de concurrents.
L'UE repousse à décembre 2027 l'entrée en vigueur des obligations pour les systèmes IA haut risque dans les outils RH. Un accord politique provisoire du 7 mai 2026 sur le Digital Omnibus IA modifie le calendrier du règlement 2024/1689.
Framework de classification de défauts d'équipements de transmission électrique utilisant un MLLM. Approche par in-context learning sur modèles commerciaux, génération de Q&A par chain-of-thought pour réduire l'annotation manuelle, puis fine-tuning de Qwen3-VL-8B via LoRA. SOTA sur trois tâches de classification.
Étude sur les traces long-CoT utilisées pour l'entraînement supervisé des LLM. Les chercheurs identifient une « continuation nuisible » : quand le raisonnement continue après que la réponse soit suffisamment justifiée. Supprimer ces continuations améliore les résultats du fine-tuning. Ils proposent HCC (Harmful Continuation Cut), un proxy léger pour détecter ces limites.
BEAMS établit des benchmarks pour évaluer les outils IA en modélisation et simulation. Le projet open-source sd ai teste plusieurs LLMs sur des tâches comme la traduction causale, l'itération de modèles et le raisonnement causal. Les résultats montrent que les outils IA performent mieux en discussion qualitative qu'en raisonnement causal et correction d'erreurs quantitatives.
M2R (Micro-Macro Retrieval) est un framework retrieve-while-generate qui réduit les hallucinations dans la génération longue des LLM. Il combine une récupération macro (preuves externes) et micro (informations clés du raisonnement) pour maintenir la proximité entre données factuelles et sorties. Entraîné par reinforcement learning avec récompenses basées sur des règles.
SovSim, un framework de simulation multi-agent, évalue comment 11 modèles LLM gèrent les ressources communes sous structures de pouvoir asymétriques. Résultat : l'introduction d'un agent avec pouvoir disproportionné (boss/roi) provoque une dégradation de 87,3% du taux de survie et des effondrements de coopération comparé aux paramètres symétriques.
LLMBridge est un système basé sur LLM pour la résolution de bridging référentiel en anglais. Le pipeline combine pré/post-traitement heuristique avec l'inférence en langage naturel des LLM. Évalué sur ISNotes, BASHI et GUMBridge, il surpasse l'état de l'art sur les trois datasets en configuration end-to-end et gold anaphor.
Article théorique sur la stabilisation de l'apprentissage par différence temporelle hors-politique avec approximation de fonction. Propose BA-TDC et BA-TDRC, remplaçant la matrice auxiliaire de TDC par la matrice de Bellman comportementale. Analyse linéaire avec convergence prouvée sous condition de stabilité Hurwitz; expériences sur chaînes de Markov et contres-exemples classiques.
STHTD-MP, une nouvelle méthode de temporal-difference off-policy, remplace la métrique de covariance par la matrice de Bellman induite par la politique de comportement dans la formulation primal-dual. Analyse de convergence formelle et comparaison spectrale avec GTD2-MP montrent des gains potentiels sur benchmarks (Random Walk, Boyan Chain).
Redpanda propose une architecture de plan de données pour agents IA autonomes utilisant des canaux de métadonnées hors-bande. Ces canaux appliquent les politiques de sécurité, les classifications de données et les contraintes comportementales en dehors du chemin de lecture/écriture de l'agent, empêchant les hallucinations et manipulations. Démonstration avec un système multi-agent de rééquilibrage de portefeuille.
Le Cognitive Categorical Transformer (CCT), modèle de 306M paramètres basé sur GPT-2 Small, intègre des composants inspirés de la théorie des catégories et des sciences cognitives. Sur WikiText-103, CCT atteint 21.27 PPL contre 24.19 pour GPT-2 Small, soit une réduction de 12% (2.92 PPL). Les ablations montrent que le simplicial message passing représente 84% de cette amélioration.