Chercheurs proposent un critère décidable pour l'intégration créative : une résolution de conflit entre A et B est créative si la longueur de description diminue strictement (C = L_pre/L_post > 1) sous un langage fixe. Validé sur corpus multi-domaines par quatre tests falsifiables (vérification computationnelle, discrimination, prédiction hors-échantillon, robustesse linguistique).
Thèse sur les principes bayésiens appliqués aux réseaux de neurones profonds. Introduit DVIP (Deep Variational Implicit Process) pour l'inférence bayésienne scalable, et deux méthodes post-hoc (VaLLA, FMGP) pour calibrer l'incertitude sur réseaux pré-entraînés. Développe un cadre théorique unifié reliant diversité, régularité et stochasticité via la théorie PAC-Bayésienne.
LANTERN, un réseau de neurones conditionné par attributs longitudinaux, estime les probabilités de transition d'état de santé pour données irrégulières. Testé sur Health and Retirement Study, le modèle surpasse régression logistique et gradient boosting en discrimination de handicap sévère et mortalité, avec meilleure calibration et erreur matricielle minimale.
DMoE (Decoupled Mixture-of-Experts) est une architecture modulaire pour injecter des connaissances paramétriques dans les LLM. Elle découple experts et routeur du modèle de base, convertissant des corpus externes en modules experts indépendants activés sélectivement via un routeur léger. Attachée à la dernière couche, elle évite l'oubli catastrophique et préserve la réutilisation du KV-cache.
Nouvelle approche de continual learning pour améliorer la reconnaissance vocale (ASR) sur les discours disfluents. Les chercheurs introduisent des tokens explicites de disfluence dans un modèle ASR préentraîné, puis continuent l'entraînement sur des datasets variés. Analyse révèle un compromis entre apprentissage des marqueurs et performance ASR.
DLO (Decoupled Latent Optimization) améliore l'inversion sismique par découplage de l'optimisation en espace physique et latent. Testé sur OpenFWI, Marmousi et Overthrust, la méthode surpasse les régularisateurs classiques et les approches diffusion antérieures, récupérant structures géologiques complexes avec robustesse au bruit.
Chercheurs utilisent le transport optimal inverse pour estimer les coûts d'accès urbain à partir des flux origine-destination. Application au choix d'école aux Philippines : 283 016 trajets d'élèves analysés via modèles de transport entropique (distance-banded + neural cost). Récupère les coûts latents de décision pour optimiser l'allocation des subventions et services urbains.
Analyse de la complexité d'échantillonnage pour l'apprentissage dans les processus de décision markoviens faiblement couplés (WCMDPs) et les bandits sans repos. Les auteurs montrent que des politiques quasi-optimales peuvent être apprises avec une complexité polynomiale en N (nombre de bras), via une analyse Lyapunov novatrice et une technique de transfert de dérive entre modèles vrais et empiriques.
Méthode de génération synthétique de données pour fine-tuner des petits LLMs sur la tâche Text-To-Cypher (conversion texte naturel en requêtes Cypher pour graphes de propriétés). Résultats sur benchmarks majeurs montrent que les petits modèles fine-tunés rivalisent avec des modèles propriétaires plus grands, tout en garantissant la souveraineté des données en déploiement local.
Étude arXiv détectant le contenu généré par LLM non divulgué dans les textes parlementaires britanniques et suédois. Un classifieur interprétable entraîné sur des textes pré-LLM et leurs versions générées révèle une augmentation constante de l'utilisation non déclarée depuis 2022.
Ironsmith, un projet open-source, génère des applications macOS personnalisées via prompt. Fonctionne avec des petits modèles (Gemma 4 E4B) sur MacBook Air 8GB. Utilise une boucle agentique custom avec réparation déterministe des erreurs de syntaxe. Compatible Ollama, OpenAI API, Claude, Gemini.
Arvind Narayanan et Sayash Kappor réfutent la thèse du remplacement massif des ingénieurs logiciels par l'IA. Données clés : en 2025, New York a enregistré 160+ avis de licenciement (WARN Act) — aucun n'a coché la case IA. L'automatisation se heurte à trois vrais goulots : spécifier ce à construire, vérifier la qualité, et gérer les dépendances humaines.
Analyse mathématique détaillée de GPTQ : la quantification 4-bit préserve la perplexité en traitant les poids comme corrélés. L'auteur dérive la règle de mise à jour via multiplicateurs de Lagrange, explique l'amortissement Hessien 1%, la décomposition de Cholesky et l'optimisation mémoire C-contiguë.
Un chercheur indépendant démontre que un contexte cohérent peut déplacer les LLMs vers un régime interne différent sans modifier la sortie finale, contournant les filtres de sécurité actuels (RLHF, classifieurs). Travaux sur Gemma-3-12B-IT avec analyse des états cachés et trajectoires du residual stream.
Benchmark de 4 modèles ≤120B sur contexte profond (jusqu'à 400k tokens). Nemotron Super 120B surpasse GPT-OSS 120B et Qwen 3.5 122B en vitesse de traitement de prompt (PP) dès 16-32k tokens. Nemotron maintient >100 TPS PP jusqu'à 400k contexte, mais génération de tokens (TG) reste lente (10-20 TPS).
Développeur construit un moteur d'inférence LLM en C99 pur. Sur DeepSeek-V2-Lite avec i5-11300H : 1.90 tok/s vs 13.79 pour llama.cpp (7.3x gap). Cause identifiée : dequantization Q4K en F32 à la charge (4 bytes/poids) vs lecture directe Q4K (0.5 bytes) chez llama.cpp. IPC : 0.80 vs 2.36. Solution requise : kernel Q4K matvec fusionné.
Chatbot vocal local temps quasi-réel utilisant Qwen3.5-397B (Unsloth UD-Q3_K_XL), Whisper-small (STT) et Orpheus Q4_K_XL (TTS) avec décodeur SNAC custom sur ONNX. Interruptible, contexte préservé, 21.3 GB VRAM max sur GPU 24GB, cache KV bf16 131k tokens. Code GitHub annoncé.
Benchmark de Gemma 4 sur triple GPU (3× GTX-1070, 24 GiB VRAM total). Gemma-4-26B-A4B-qat atteint 123.5 t/s en prompt processing et 53.08 t/s en génération. Gemma-4-E4B-BF16 affiche 302.16 t/s mais génération limitée à 11.54 t/s. Tests sur llama.cpp build 9204 avec quantifications GGUF.
Harbor v0.5.0 permet de déployer MLX, OMLX, Docker Model Runner et services (Open WebUI, OpenCode, Hermes) en une seule commande sans configuration manuelle. Intègre des skills pour agents de code et supporte le pull de modèles depuis Hugging Face et Ollama.
Deepseek 4 Flash fonctionne sur Mac M3 Max 96GB via ds4 (moteur d'Antirez) avec streaming SSD. Performance : 11-13 tokens/s en décodage, 10s au démarrage, 3-5s TTFT. Préfill 36k tokens en 2m30s. Configuration requiert iogpu.wired_limit_mb=86016 et --ssd-streaming.
Mirage, un modèle vidéo de Microsoft Research, stocke les informations de scène en espace latent au lieu de nuages de points basés sur les pixels. Cela réduit le temps de calcul et la mémoire graphique tout en maintenant la cohérence spatiale lors de mouvements de caméra longs. Le suivi d'objets en mouvement reste limité.
Google Cloud lance Open Knowledge Format (OKF), un standard qui convertit les documents dispersés en fichiers Markdown avec frontmatter YAML, rendant les connaissances organisationnelles portables pour les agents IA. Le format formalise le pattern « LLM Wiki » popularisé par Andrej Karpathy.
Benchmark de Deepseek V4 Flash sur dual DGX Sparks : 40 tk/s en FP8 (single), 350 tk/s agrégé sur 32 requêtes. Comparaison avec RTX Pro 6000 (46 tk/s Q2) et M2 Ultra 192GB (29 tk/s Q2). Nécessite câble ConnectX7 200G/s ($180) pour synchronisation inter-GPU.
Les agents de codage IA comme Claude Code trouvent le bon fichier mais ratent les lignes critiques. Le benchmark SWE-Explore montre que sans contexte suffisant, même les meilleures corrections échouent.
Cohere Labs publie North Mini Code, un modèle MoE de 30B paramètres (3B actifs) optimisé pour la génération de code et l'ingénierie logicielle agentive. Support architectural ajouté dans llama.cpp. Licence Apache 2.0, contexte 256K.
SupraLabs publie la famille Supra-1.5-50M (Base, Instruct, GGUF). Principale amélioration : contexte étendu de 1 024 à 5 120 tokens via RoPE scaling. Entraînement continu sur 3B tokens (tool calling, ChatML, texte factuel, math). BLiMP : 67,4. Modèles expérimentaux du Projet Chimera.
Microsoft et trois universités chinoises ont développé SkillOpt, une méthode optimisant des documents d'instructions pour agents IA via principes d'entraînement classique. Un simple fichier Markdown améliore GPT-5.5 de ~23 points sur tâches procédurales et transfère entre modèles (Codex, Claude Code).
llama-launcher v1.3 ajoute une optimisation bayésienne via Optuna pour tuner automatiquement les paramètres de llama-server. L'outil rapporte jusqu'à 15% d'amélioration de vitesse sur Gemma 12B MTP sans intervention manuelle.
GLM 5.2 est disponible, poids ouverts la semaine prochaine. Test one-shot Pac-Man : résultats meilleurs que GLM 5.1 malgré vitesse réduite (70 tok/s). Jeu presque fonctionnel en une tentative, entièrement jouable après un prompt de correction. Première place devant Qwen 3.5 27b.
aisuite est une interface unifiée open-source pour accéder à plusieurs fournisseurs d'IA générative (OpenAI, Anthropic, Google, etc.) via une API commune. Simplifie l'intégration multi-modèles en production.
Meta fait face à des coûts IA internes atteignant les milliards de dollars. À partir de 2027, un système de gouvernance des tokens via un tableau de bord « AI Gateway » limitera la consommation. Le CTO Andrew Bosworth critique le « tokenmaxxing » : l'usage de tokens seul ne mesure pas l'impact réel.
Moonshot AI lance Kimi K2.7 Code, modèle open-weights d'1 trillion de paramètres pour la programmation. Moins performant que GPT-5.5 et Claude Opus 4.8 sur les benchmarks, il coûte jusqu'à 12x moins cher par token, offrant un meilleur rapport qualité-prix pour les budgets limités.
inclusionAI publie VISTA-9B et VISTA-4B, modèles vision-langage basés sur Qwen 3.5 pour le grounding GUI. Entraînés avec VISTA (View-Consistent Self-Verified Training), ils mappent captures d'écran + instructions en coordonnées de clic normalisées 0-1000. Utilise GRPO avec vues préservant la cible et ancrage cross-view auto-vérifié.
Benchmark sur H100 (FP8) : DiffusionGemma 26B génère 763 tok/s (3.7s) vs Gemma4 218 tok/s (15.1s), mais produit 28 erreurs factuelles sur 61 faits testés contre 5 pour Gemma4. DiffusionGemma invente noms, dates et chiffres (Clara Clley comme mère de Jobs, BeBox à $9,999 au lieu de $1,600). Le modèle diffusion génère 256 tokens simultanément et polit le texte sans vérifier la factualité.
Le support PWA a été fusionné dans llama.cpp (PR #23871). L'interface web du serveur llama peut désormais s'installer comme une app native sur bureau/écran d'accueil, avec mode fenêtre autonome et icônes appropriées.
OVH Groupe négocie l'acquisition de Gladia, startup française spécialisée en reconnaissance vocale et transcription IA. Cette acquisition vise à renforcer l'offre cloud souverain d'OVH en ajoutant des capacités de traitement audio native.
NVIDIA NeMo est un framework open-source pour construire des modèles IA génératifs : LLM, multimodal, ASR et TTS. Conçu pour chercheurs et développeurs, il offre une base scalable pour l'entraînement et le déploiement.
SupraLabs lance Supra-Title-350M, un modèle spécialisé de 350M paramètres pour générer des titres de conversations. Basé sur LFM2.5-350M, disponible en GGUF (177-711 MB), sans prompt système requis. Version expérimentale avant optimisation préférentielle.
Kimi K2.7-Code, modèle agentic spécialisé en codage, améliore les tâches longues et complexes d'ingénierie logicielle. Réduction de 30% de l'usage de tokens de réflexion par rapport à K2.6.
Expérience avec MTP (Multi-Token Prediction) en speculative decoding sur llama.cpp. Les assistants MTP ne sont pas interchangeables : même nom et architecture ne garantissent pas les mêmes performances. Gemma 4 26B Q4 : ~30 t/s → 55-62 t/s avec le bon assistant. Les modèles assistants non quantifiés surpassent les versions Q4 (~10 t/s plus rapides).