ChildEval est un benchmark contenant 29K profils de personnalité d'enfants (3-6 ans) pour évaluer la capacité des LLM à inférer et suivre les préférences enfant-centrées en conversations longues. Le dataset couvre 5 catégories principales et 14 sous-catégories de la vie quotidienne. Les résultats montrent que le fine-tuning sur ChildEval améliore les performances.
Nouvelle approche ASR pour le vietnamien basée sur une décodage syllabique phonémique. Le modèle capture la structure phonologique des syllabes plutôt que les unités orthographiques, réduisant la taille du vocabulaire. Résultats supérieurs sur LSVSC et UIT-ViMD face à PhoWhisper et Wav2Vec2.
Un framework de machine learning informé par la physique (PIML) pour modéliser thermiquement un rover lunaire. Un réseau de neurones adaptatif détermine le maillage 3D en différences finies selon les charges thermiques, améliorant la précision de 50% vs modèles coarse-mesh et 39% vs ANN pur, tout en étant 3x plus rapide que les simulations haute-fidélité.
Étude comparative de Muon vs Adam sur réseaux de neurones équivariants (ModelNet40, données moléculaires). Muon surpasse Adam systématiquement. Analyse Hessienne et spectrale révèle que Muon produit des surfaces de perte plus régulières et des représentations de rang effectif plus élevé.
Nouvelle approche permettant à des groupes d'utilisateurs de corriger les biais algorithmiques sans intervention de la plateforme. Test-Time Collective Action (TTCA) utilise des perturbations universelles générées via un proxy du modèle pour améliorer l'équité sans accès à l'entraînement. Validation sur CIFAR-10, CIFAR-100 et FairFace montre la fermeture des écarts de précision entre sous-groupes.
SparseOpt, un optimiseur conscient de la parcimonie, résout le problème de gradient asymétrique induit par la normalisation par batch en entraînement sparse dynamique. Tests sur ResNet (CIFAR-100, ImageNet) montrent convergence plus rapide et meilleure généralisation. Première étude systématique de l'interaction entre Batch Normalization, couches sparse et DST.
WIRE est un pipeline d'évaluation qui diagnostique les conflits de règles au sein d'une même politique de prompt LLM. Sur 6 politiques publiques, l'outil extrait 276 règles et identifie 170 paires de règles en collision dure. Seulement 35,4% des cas testés respectent les deux règles simultanément ; 64,6% violent au moins une règle source.
Article théorique décomposant la matrice d'attention pré-softmax en composantes symétrique et antisymétrique. La partie symétrique gouverne le paysage énergétique, la partie antisymétrique pilote la circulation. Les auteurs proposent des mesures de stabilité Hopfield pour quantifier la fidélité-diversité en génération et un contrôle pour moduler ce compromis.
GraD-IBD reformule les trajectoires ICD longitudinales en graphes temporels dirigés pour détecter précocement les maladies inflammatoires de l'intestin. Un mécanisme de passage de messages avec décroissance temporelle capture les dépendances temporelles avec complexité réduite. Résultats robustes sur données cliniques réelles.
Framework bayésien pour valider le déploiement de contrôleurs d'atterrissage autonomes entraînés par RL. Utilise l'inférence bayésienne pour quantifier l'incertitude sur la capacité réelle des politiques, au-delà des métriques empiriques (reward, taux de succès). Expériences avec PPO et SAC montrent que l'optimisation empirique surconfiance, tandis que l'inférence bayésienne calibre mieux la confiance de déploiement.
TARQ est une méthode de quantization post-training pour ASR qui rééquilibre la calibration vers les mots rares (noms, chiffres, termes spécialisés). Sans labels ni validation, elle améliore le rare-WER sur 8 backbones et 6 datasets en W4G128 sans régression du WER global.
Étude sur la localisation des mécanismes de raisonnement logique dans les LLM. Les chercheurs identifient les attention heads responsables de chaque étape de raisonnement via analyse de médiation causale. Résultat : ~3% des heads gèrent l'extraction de faits/règles, les couches supérieures coordonnent l'intégration globale et les stratégies de traversée de graphe.
Hyperparam propose trois bibliothèques JavaScript (<70 KB) pour interroger Parquet et Apache Iceberg directement depuis le stockage objet dans les applications client-side (Claude Code, Cursor). Le système exécute des UDFs LLM 300x plus vite que DuckDB-WASM sur requêtes filtrées et réduit les coûts d'une suite d'analyse agent de deux tiers.
EvaluatorDPT est un modèle de contrôle décisionnel borné qui prédit YES, NO ou TBD (déférence apprise). Utilisant un encodeur transformer avec têtes auxiliaires structurées, il atteint Accuracy=0.8260 et Macro F1=0.8252 sur 44,597 exemples. L'interface permet un routage inspectable et un contrôle auditable des décisions en production.
GeoTransolver, un framework d'operator learning géométrie-aware, prédit avec précision la dynamique de crash automobile à l'échelle industrielle. Sur des datasets de bumper beam et véhicule complet, il capture les déformations plastiques et profils d'accélération. Une modification FLARE réduit la mémoire de 2x tout en améliorant la précision pour les transitoires haute-fréquence.
EAPO est une méthode d'optimisation de politique adaptative pour l'entraînement de modèles de raisonnement en QA ouvert. Elle ajuste dynamiquement le poids des échantillons positifs/négatifs selon le ratio d'entropie courante/initiale pour préserver l'exploration et la stabilité. Tests sur deux datasets médicaux montrent amélioration de la diversité et stabilité vs baselines à poids fixes.
LCO (LLM-based Constraint Optimization) est un framework qui réduit le reward hacking en contexte (ICRH) chez les LLMs autonomes sans fine-tuning. Deux modules : auto-réflexion pour intégrer des contraintes de sécurité, et échantillonnage évolutionnaire pour maintenir les actions dans un espace sûr. Sur GPT-4, réduction de 39% du taux de toxicité et 15.23% de l'ICRH.
SC-SDPO améliore l'auto-distillation des LLM en pondérant les pertes par √[p(1-p)], créant un curriculum implicite. Tests sur Qwen3-8B (+3.2/+4.3 mean@16/maj@16) et OLMo-3-7B (+1.8/+3.0) montrent gains stables sans coût computationnel supplémentaire.
Architecture modulaire basée sur LLM pour détecter et quantifier l'intensité des valeurs humaines dans du texte. Trois modules coordonnés : génération de spécifications de valeurs, étiquetage de textes, assignation de support/résistance gradué. Évaluation sur ValueEval dataset avec plusieurs LLMs, démontrant la généralité du pipeline.
SDR (Supervised Distributional Reduction) combine le transport optimal et la maximisation de dépendance pour apprendre des représentations cibles. L'algorithme étend l'objectif Fused Gromov-Wasserstein avec un terme de dépendance explicite, produisant des embeddings compacts qui capturent structure géométrique et signal prédictif. Application aux processus gaussiens avec noyaux adaptatifs.
Framework hiérarchique pour LLMs compacts en systèmes agentiques sous contraintes (mémoire, latence, coût). Distillation du modèle + boucle oracle-contrôleur qui valide les protocoles, projette l'historique dans un domaine de prompt viable, et déclenche du fine-tuning léger. Séparation entre apprentissage du schéma et adaptation sémantique. Évaluation sur Multi-Fidelity Bayesian Optimization.
UniMaia est un framework qui contrôle une politique d'échecs (Lc0) via des prompts en langage naturel, sans réentraînement multimodal complet. Un encodeur texte léger et un mécanisme ControlNet permettent de moduler le jeu (sélection d'ouverture, niveau). UniMaia-Aux ajoute des objectifs temporels et de prédiction comportementale. Résultats SOTA sur benchmarks prompt-conditionnés.
VibeSearchBench évalue les agents LLM sur la recherche collaborative multi-tour en contexte réel. Le benchmark contient 200 tâches bilingues (chinois/anglais) sur 20 domaines, avec graphes de connaissances sans schéma fixe. Sept modèles frontière testés obtiennent F1 max 30.30, révélant des lacunes en raisonnement long-contexte et élicitation d'intention.
Framework RL pour transfert de politique sim-to-real via embeddings latents probabilistes et adaptation dynamique. Utilise meta-RL et CMDPs pour inférer la représentation latente de l'environnement, avec formulation distributional RL ajustant dynamiquement les niveaux de risque selon la précision d'estimation du contexte latent.
Article théorique sur le contrôle spectral du bruit de gradient stochastique via clipping entrée-par-entrée. Montre qu'une méthode simple d'écrêtage entrée-par-entrée peut équilibrer structure matricielle et coût computationnel, avec garanties de convergence O(ε⁻⁴) sous bruit Cauchy-contaminé. Gains empiriques : ~7% de tokens économisés sur NanoGPT avec shrinkage lisse, ~2% supplémentaires combiné avec Muon.
Agyn est une plateforme open-source pour déployer des agents IA en production. Elle offre un runtime serverless stateful sur Kubernetes, une définition d'agents via Terraform, et un modèle de sécurité zero-trust. Agyn est agnostique aux agents, modèles et clouds.
Gradient Transformer, un framework de distillation de connaissances sans données, génère des vecteurs de mise à jour pour LLM à partir de TinyLM fine-tunés sur données privées. Le modèle capture la corrélation entre les vecteurs de gradient des deux modèles, permettant l'adaptation collaborative sans accès aux données sensibles.
E³-Agent est un agent IA exécutable et adaptatif pour la gestion des ressources d'inférence générative sur edge. Il combine un routeur rapide (décisions en millisecondes) et un contrôleur LLM lent piloté par événements, apprenant en ligne des retours d'exécution. Évalué en simulation, il réduit la latence de 65-73% vs baselines statiques sur scénarios dynamiques (sémantique, churn, drift).
Étude comparative de la fiabilité des techniques d'explainabilité locale (LIME, SHAP, Feature Ablation) sur 32 datasets tabulaires. Les résultats montrent que la qualité des explications ne corrèle pas systématiquement avec la performance prédictive du modèle, mais dépend plutôt de la complexité du dataset et de la distribution des features.
Utilisation de modèles de diffusion pour simuler des trajectoires de basketball conditionnées par des esquisses partielles de mouvements. Le modèle affine conjointement les trajectoires de tous les joueurs, produisant des simulations plus naturelles qu'une génération autoregressive. Code et modèle open-sourcés.
Inférence CPU à 10,33 tokens/s sur Qwen 3.5 35B quantifié Q4_K_M sur un laptop Lenovo Ideapad Slim 3i ($300, i3-1215U, 8GB RAM). Utilise llama.cpp avec optimisations BIOS, pinning de cores, speculative decoding MTP et quantization K/V cache Q8_0.
Microsoft MAI-Image-2.5 atteint la 3e place du classement Arena text-to-image, au même niveau que Google Nano Banana 2, mais derrière OpenAI Image-2. Le modèle progresse nettement sur le rendu de texte dans les images et les visuels commerciaux.
Cognition, créateur de l'agent de codage IA Devin, lève plus de 1 milliard de dollars à une valorisation de 26 milliards. La levée de fonds reflète l'intérêt massif des investisseurs pour les agents de codage IA, malgré des débats sur leur valeur réelle.
Robinhood permet aux clients de connecter des agents IA (notamment Claude d'Anthropic) à leurs comptes d'investissement via MCP pour trader automatiquement des actions. Le régulateur FINRA signale ce risque nouveau. Robinhood reconnaît que le produit n'est pas adapté à tous.
YouTube déploie un système de détection automatique pour signaler les contenus générés ou fortement modifiés par l'IA à partir de mai 2026. Les labels seront affichés de manière plus visible : sous le lecteur pour les vidéos longues et en overlay sur les Shorts. Les recommandations et la monétisation ne seront pas affectées.
noisekit est un CLI open-source pour générer des datasets de parole dégradée annotés, permettant de benchmarker les modèles STT sur des conditions réalistes (télécom G.711, bruit ambiant, réverbération). Résout le problème : les datasets publics (FLEURS, CommonVoice) sont trop propres pour évaluer la performance en production. Compatible HuggingFace AudioFolder, inclut métriques PESQ/SNR/NISQA.
NeuroFlow est un framework de routage dynamique pour l'inférence vidéo des Vision Transformers. Il exploite la redondance temporelle via une moyenne mobile exponentielle (EMA) des embeddings de patches pour éliminer les tokens stationnaires. Architecture B atteint 55.80× d'accélération (678 ms → 11.9 ms sur SigLIP 1792p) à 97.37% de fidélité. Code disponible.
Étude comparative de règles d'apprentissage (BP, PC, STDP, FA) testées sur fMRI humain et électrophysiologie macaque (V1/V2/V4/IT). STDP et PC dominent en V1/V2 (ρ ≈ 0.30/0.28), conservant le pattern humain. En IT, l'alignement dépend de la capacité du modèle (ResNet-50: ρ ≈ 0.25) plutôt que de la règle. Code et deux papers (arxiv 2604.16875, 2605.22401) disponibles.
Un développeur a créé une app desktop (TideForge) qui transforme les corrections en chat en données d'entraînement LoRA. Après chaque réponse, un bouton « Teach » permet de noter la correction souhaitée ; les exemples s'accumulent et déclenchent un fine-tuning PEFT sur Qwen 0.6B. Test initial : 110 corrections, loss 4.25→0.73, l'adapter conserve l'identité face aux jailbreaks. App gratuite, Windows, GGUF compatible.
Un module Engram (mémoire associative O(1) par hash) injecté dans des Transformers pour la génération d'images autorégressives sur ImageNet 256×256 n'améliore pas la qualité (FID) malgré des gains FLOP. Les expériences (gate-clamp, donor-probe, table gelée) révèlent que le module fonctionne comme un chemin résiduel architectural gated, non comme un mécanisme de récupération adressée par contenu.