Cadre unifié pour optimiser le coût-performance de la gestion du contexte dans les LLM. Évalue conjointement performance, coût en tokens et réutilisation du prétraitement sur 5000 instances HotpotQA. Réduit l'usage de tokens de 25% à performance comparable (F1≈0.78) et atteint 50% de réduction de coût avec compression mémoire.
EDGE-OPD améliore la distillation on-policy auto-supervisée (OPSD) en utilisant des rollouts guidés et un masque d'évidence pour transférer efficacement un contexte privilégié (persona, fait privé, solution détaillée) sans dégrader les capacités générales du modèle. Les expériences montrent que l'OPSD standard échoue sur les identités rares, tandis que EDGE-OPD réussit.
Nouvel article introduisant la tâche de reconnaissance d'émotions en conversation (ERC) pour la langue des signes. Le dataset eJSL Dialog contient 1 920 vidéos organisées en 480 dialogues. Les benchmarks révèlent un écart de performance entre modèles multimodaux génériques et la langue des signes, soulignant le besoin d'extracteurs visuels spécialisés.
Framework PARPO pour l'apprentissage par renforcement d'agents personnalisés. Découple récompenses génériques et préférences utilisateur via ancres spécifiques. Introduit PSGM pour la récupération de compétences alignées. Évalué sur ETAPP, ETAPP-Hard, SJAgent avec gains sur baselines mémoire et RL.
Étude empirique sur l'effet du curriculum d'entraînement sur les agents RL avec mémoire externe en dialogue multi-session. Trois conditions testées (LoCoMo seul, LoCoMo + LongMemEval, LongMemEval seul) montrent que la composition des données façonne les compétences spécialisées plutôt que la performance globale. Le curriculum mixte obtient le meilleur F1 global.
Latent Cache Flow (LCF) permet la communication directe entre modèles de langage via des représentations latentes comprimées au lieu du texte. L'approche réduit la taille de l'adaptateur à 4% de celle de Cache-to-Cache (C2C) et gère les contextes différents en transmettant un résumé des informations nouvelles. LCF atteint 23% de précision supérieure et 8.5x plus rapide que la communication textuelle.
ManiF-SMC propose une méthode d'oubli machine basée sur la manipulation des représentations manifold. L'approche utilise une perte triplet avec marges adaptatives guidées par la connectivité de mode pour éloigner les échantillons supprimés de leurs centroïdes originaux. Expériences sur 4 datasets montrent une efficacité comparable aux méthodes état-de-l'art.
WeCon est un solveur neuronal pour problèmes d'optimisation combinatoire multi-objectifs (MOCOPs). Il introduit des blocs Gated Residual Fusion pour mieux intégrer poids et features, un bloc Residual Fusion en décodeur, et une méthode Efficient Preference Optimization. Sur 4 variantes MOCOP, WeCon égale POCCO-W en HyperVolume tout en réduisant le temps d'inférence de 40%.
DFKI-MLT applique le steering d'activation à des LLM multilingues pour améliorer la conscience culturelle lors de SemEval-2026 Task 7. La méthode ajoute des vecteurs de direction spécifiques à la langue dans le flux résiduel sans mise à jour de paramètres. Résultat : 86,96% de précision en track MCQ (7e/17), mais améliorations modestes et hétérogènes selon les paires langue-région.
Framework de distillation de connaissances pour Text-to-SQL en contexte low-resource. Construit une base de connaissances (sémantique schéma, abréviations, logique métier) injectée en entraînement et inférence. Génère données synthétiques contextualisées. Évalué sur 7 benchmarks : améliore LLMs open-source et fermés, notamment sur données domain-specific.
Méthode pour améliorer l'apprentissage en contexte en optimisant les embeddings continus d'un prompt few-shot au moment du test. Utilise les log-probabilités du modèle sur ses démonstrations comme signal d'auto-supervision, sans génération de tokens ni fine-tuning. Améliore les performances sur classification et génération libre.
Étude comparative de 7 LLMs (Gemini, Claude, GPT) pour estimer les compétences professionnelles à partir de logs Slack. Sur 27 188 messages de 43 utilisateurs, Gemini 2.5 Flash obtient l'erreur la plus basse (MAE 21,13%). La précision ne dépend que faiblement du volume de messages.
GPLD ajoute une régularisation par pénalité de gradient au modèle DreamerV3 pour encourager l'apprentissage de dynamiques de transition lisses dans l'espace latent. Testé sur DeepMind Control, GPLD améliore l'efficacité échantillon, particulièrement sur les tâches de locomotion complexes et quadrupèdes.
SEELS, une app desktop Windows pour LLMs locaux, permet de corriger les réponses du modèle via un bouton « Teach » qui accumule les corrections en corpus JSONL, puis lance un fine-tuning LoRA sans terminal. Inclut STT/TTS locaux (Whisper/Piper), dashboard matériel, modèle 0.6B pré-entraîné sur 110 exemples. Version gratuite stable ; tiers pro (génération image/vidéo, MCP) et max (workflows, multi-GPU) en roadmap.
Sortie de datasette-fixtures 0.1a0, un plugin qui exploite la nouvelle API datasette.fixtures.populate_fixture_database() introduite dans Datasette 1.0a30. Permet de créer des bases de données de test pour les suites de tests de plugins.
ByteDance Seed montre qu'un modèle 7B répond mieux aux questions sur documents longs et visuels que des modèles bien plus grands, même sur documents 4× plus longs que ceux vus en entraînement. L'approche clé : apprentissage par questions plutôt que transcription textuelle.
Niels (Hugging Face) annonce la première semaine de paperswithcode.co, revival du site de suivi SOTA. Nouvelles fonctionnalités : métriques multiples par benchmark (WER/RTFx pour ASR, mAP/FPS pour détection), support papers externes (GitHub, blog, BioRxiv), lignée papiers (prédécesseurs/successeurs), nouvelles méthodes (Gated DeltaNet, Kimi Delta Attention, Mamba-2).
Benchmark sur 30 PDFs longs (171 questions) comparant vision-LLMs natifs vs pipelines OCR pour QA documentaire. Claude Sonnet 4.5 utilisé. LlamaCloud premium atteint 59.6% accuracy ($0.1885/query), vision native 52% ($0.2552/query, plus cher). Vision échoue sur graphiques/tableaux; OCR premium plus robuste. Vision-LLM a 7% taux d'échec intrinsèque vs 0% pour OCR après retries.
Benchmark sur 30 PDFs longs (171 questions) comparant vision LLMs vs OCR pour QA documentaire. Claude Sonnet 4.5 natif sur PDF: 52% accuracy, $0.2552/query (5e/6). LlamaCloud premium + OCR: 59.6%, $0.1885/query. Vision échoue sur graphiques/tableaux; OCR premium plus robuste. Vision LLM a 7% taux d'échec intrinsèque vs 0% pour OCR après retry.
llampart 1.0.0, interface web locale autonome pour llama-server, lancée en open-source MIT. Offre paramètres étendus, support multilingue (6 langues), barre latérale conversationnelle à deux colonnes, intégration MCP, modes d'interface (sombre/clair/Frosted Glass), import/export local et guide déploiement Caddy.
llama.cpp server intègre nativement des outils d'agent (exec_shell, edit_file, read_file, grep_search, write_file, apply_diff, get_datetime) via le flag --tools. Fonctionnalité expérimentale qui transforme le serveur en mini-agent sans dépendances externes, mais sans sandboxing de sécurité actuellement.
WordDetectorNet utilise une régression par pixel des distances de boîte englobante + DBSCAN pour détecter les mots manuscrits. Chaque pixel classé comme « mot » régresse 4 distances scalaires, générant des milliers de candidats fusionnés via DBSCAN avec distance = 1 − IoU. Architecture : ResNet18 → décodeur FPN → 6 canaux par pixel (2 logits segmentation + 4 distances). Entraîné sur IAM, 448×448 → 224×224.
Expérience de fine-tuning LoRA comparant trois formats de données pour injecter la persona C-3PO : dialogues, énoncés à la première personne, et documents synthétiques Wikipedia. Les énoncés à la première personne surpassent en généralisation. Les documents synthétiques produisent un comportement paradoxal : le modèle connaît le trait d'anxiété mais l'exprime seulement 37% du temps.
AgentLantern est un outil open-source qui rend les projets d'agents IA inspectables avant et pendant l'exécution. Il offre trois composants : Lantern Docs (documentation auto-générée), Lantern Lint (vérification statique) et Lantern Play (visualiseur runtime). Support initial pour CrewAI.
Utilisateur a exécuté 30 benchmarks llama.cpp sur GPU MI60 32GB pour optimiser Gemma 4 26B Q4_1 et Qwen3 35B Q4_0 dans Frigate et HomeAssistant. Résultats : commandes vocales <1.2s, résumés vidéo <18s. Tests systématiques sur profondeurs KV cache (0, 1000, 6000 tokens) avec 512 tokens prompt et 128 tokens générés.
OpenAI et Anthropic accélèrent leurs IPO alors que des études révèlent des failles techniques : les modèles frontier dégradent les performances sur chaînes de tâches longues, les agents avec outils échouent dans plusieurs cas. Tension entre promesses de sécurité et pressions des marchés publics pour la croissance.
Développeur réduit les coûts Claude Opus de $160 à $16 en routant 95% des étapes vers Hunyuan Hy3 (MoE 21B) via une couche de routage vLLM. Sur 400 étapes de refactoring Python, Hy3 traite 380 étapes à $0.02 chacune ($7.60), Opus les 20 restantes ($8). Taux de succès 93.4%, mais échoue sur graphes de dépendances complexes.
Référentiel de 754 compétences cybersécurité structurées pour agents IA, mappées à 5 frameworks (MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF). Compatible Claude Code, GitHub Copilot, Cursor, Gemini CLI et 20+ plateformes. 26 domaines de sécurité. Licence Apache 2.0.
OpenPipe/ART : framework d'entraînement par renforcement pour agents multi-étapes. Utilise GRPO pour l'apprentissage en temps réel sur Qwen, GPT-OSS, Llama et autres modèles.
Référentiel de 754 compétences cybersécurité structurées pour agents IA, mappées à 5 frameworks (MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF). Compatible Claude Code, GitHub Copilot, Cursor, Gemini CLI et 20+ plateformes. 26 domaines de sécurité. Licence Apache 2.0.
Agentic GRPO, un algorithme RL adapté aux systèmes multi-étapes, permet aux agents IA de battre les humains en compétitions de programmation. L'innovation clé : récompenses immédiates à chaque étape (hypothèse, code, tests, debug) avec correction rétroactive une fois le résultat final connu, au lieu d'attendre la fin du workflow complet.
Alibaba déploie Qwen3.7-Max, un modèle propriétaire conçu pour les tâches d'agent autonome longue durée. Il égale Claude Opus 4.6 sur les benchmarks et surpasse DeepSeek V4 Pro et Kimi K2.6. Le modèle a fonctionné 35 heures en continu pour optimiser du code destiné à une puce personnalisée Alibaba.
Claude Mythos Preview d'Anthropic a découvert plus de 10 000 vulnérabilités critiques dans des logiciels système via Project Glasswing avec 50 partenaires. Les bugs s'accumulent plus vite que les développeurs ne peuvent les corriger. Anthropic avertit qu'aucune entreprise n'a construit de garde-fous suffisants contre les abus.
Variante Mamba1 appelée SM1 avec d_state=1 utilisant deux opérations PyTorch natives pour remplacer le selective scan. Solution exacte en forme fermée, pas une approximation. Réduit la mémoire de scan de 16x comparé à Mamba1 (d_state=16). État d'inférence de 14 KB pour modèle 130M, O(1) par token. Entraînement sur 163K fichiers MIDI (2.5B tokens).
Étude empirique de RAG sur 3 sites en production (Intercom, HubSpot, KPMG) avec chunking et embeddings tiérés. Résultats : 31% de chunks HIGH/MEDIUM chez Intercom, 32% HubSpot, 8% KPMG. Pondération par tier (HIGH ×1.20) réordonne le top-k. Métrique proposée : « yield score » prédit la qualité du corpus avant génération.
Repo GitHub pour tester des LLM locaux sur GPU AMD 16GB (RX 6900 XT, RX 7800 XT, etc.). Tests pratiques avec llama.cpp/ROCm : Qwen 27B et 35B-A3B, contexte jusqu'à 131k tokens, profils KV cache q8, mesures de throughput et retrieval. Partage de configurations reproducibles et appels à contributions.
LQS v3.1 est une méthodologie open-source pour évaluer la qualité des données d'entraînement IA. Elle utilise 19 dimensions (correction des labels, contamination, équité, etc.), un consensus multi-oracle (7 oracles) avec recalibrage par signaux réels, et des certificats Ed25519 vérifiables hors-ligne. Index public gratuit avec 263 datasets notés.
Qwen3.6 27B quantifié en Q4_K_M tient en 16 GB VRAM (15.4 GB MTP, 15.1 GB non-MTP). Version MTP atteint 40 tok/s en génération, non-MTP 24 tok/s. GGUF disponible sur HuggingFace avec llama.cpp.
Utilisateur obtient 30+ tokens/sec avec Qwen3.6-35B-A3B quantifié Q4 sur RTX 3070 Ti 8GB avec contexte 262k. Clé : modèle MoE ne nécessite que 3.5B actif en VRAM. Linux Server (+25% tps vs Windows 11). Contextes jusqu'à 1M possibles mais ralentissement au-delà 150k.
La demande en mémoire HBM pour les data centers IA passe de 2% à 20% de la capacité de wafer d'ici fin 2026. Les trois grands fabricants de mémoire privilégient la sous-provision plutôt que la surproduction. Résultat : les smartphones bon marché (< 100$) et appareils mobiles verront leurs coûts augmenter significativement.