TA-RAG est un framework RAG léger basé sur des prompts qui intègre le contrôle du ton dans les pipelines RAG sans fine-tuning. Il opérationnalise le ton via quatre composants : réécriture sans stigma, ajustement de lisibilité, adaptation au destinataire et reformulation empathique. Évalué sur des données HIV peer-support (HOLA, NAPWHA), il améliore la qualité communicationnelle tout en préservant le contenu.
Les agents web sur long horizon consomment des milliers de tokens à chaque étape (DOM brut, arbres d'accessibilité), dégradant le contexte. Signal-Driven Observation (SDO) découple observation et action : une sous-requête lit le DOM complet mais retourne uniquement les éléments pertinents, réinvoquée seulement si un détecteur léger se déclenche (transitions URL, éléments interactifs, échecs d'action).
CRAFT est un framework de raisonnement contrefactuel unifié pour le question-answering tabulaire et la vérification de faits. La méthode reformule ces tâches en processus de vérification bidirectionnel, construisant explicitement des énoncés déclaratifs et leurs variantes contrefactuelles. Résultats : améliorations sur WikiTQ et TabFact, réduction des écarts de performance entre LLMs.
GRASP est une méthode d'attribution de données qui modélise les interactions entre sous-ensembles d'entraînement via une pénalité géométrique quadratique, dépassant les approches additives isolées. Évaluée sur du préentraînement à grande échelle, elle double la corrélation de rang pour la fidélité contrefactuelle et réduit les coûts de construction d'artefacts d'un ordre de magnitude.
Étude systématique de l'utilisation des LLM pour le calcul sur graphes. Les auteurs proposent une taxonomie basée sur deux paradigmes : LLM comme exécuteur (résolution directe) et LLM comme planificateur (décomposition et invocation d'outils externes). Conclusion : fiables pour tâches simples et petite échelle, peu fiables pour tâches complexes et exigeant de la précision.
Étude géométrique des conditions permettant de voler la couche finale d'un transformer. L'auteur démontre qu'une copie parfaite du dernier étage est possible sous certaines conditions, mais que les couches cachées ne peuvent pas être entièrement rétro-ingéniérées à partir des seules sorties.
EASE-TTT combine la récupération de preuves et l'adaptation au test-time pour améliorer la QA sur long contexte. La méthode convertit les chunks de preuves en supervision d'attention douce, guidant l'adaptation des paramètres d'attention côté requête. Testée sur 6 tâches LongBench avec 3 petits modèles, elle surpasse les baselines de récupération et qTTT.
Une nouvelle attaque adversariale « Semantic Gambit » exploite les priors de modèles de langage pour contourner les contraintes causales des systèmes ASR temps réel. En augmentant l'adversaire avec du contexte prédictif LLM, les chercheurs élèvent le Word Error Rate à 35,6% — trois fois supérieur à l'état de l'art.
LoRA-MINT est une méthode d'audit pour détecter si des données individuelles ont été utilisées dans l'entraînement de LLMs fine-tunés via LoRA. Testée sur 4 modèles et 3 benchmarks, elle atteint une précision de 0,77 à 0,92 pour identifier l'exposition de données, surpassant les baselines existantes.
PandaAI est un agent neuro-symbolique basé LLM pour l'analyse financière quantitative. Fine-tuné sur données financières et intégré dans une architecture modulaire fermée, il combine raisonnement LLM avec rigueur financière. Sur données CSI 300 : +18,2% Rank IC, -25,7% drawdown max vs modèles SOTA.
Nouvel article sur la gestion structurée d'expérience pour agents LLM en environnements à récompenses implicites. Présente FinEvolveBench, un benchmark de prédiction de sentiment financier avec retours retardés et bruyants, et Tree-of-Experience (ToE), une méthode d'organisation et validation d'expérience qui surpasse les baselines sans mémoire.
Framework de prédiction de churn client utilisant des fenêtres temporelles glissantes de 30 jours. Sur données réelles non-contractuelles : modèle feature-based atteint 87,6% accuracy et ROC-AUC 0,94 ; modèle séquentiel obtient 96,1% recall. Robustesse confirmée sur données futures (accuracy >83%, ROC-AUC >0,91) sans réentraînement.
CARVE-Q propose une architecture de certification pour réparer les manœuvres de conduite autonome rejetées. Un algorithme quantique (Grover) réduit la recherche dans le treillis de réparation multi-agents de O(M) à O(√M) requêtes, tandis que l'autorité de sécurité reste classique. Validation sur 65 536 assignations avec 100% respect du droit de passage.
DiBS combine un solveur symbolique complet avec un modèle de diffusion pour guider la sélection de branches dans la résolution de Sudoku. Sur le benchmark Royle 17-clue, l'approche réduit significativement le coût de recherche (nœuds, retours arrière, percentiles long-tail) comparée aux heuristiques classiques.
Les chercheurs proposent PURe (Product-Unit Residual Networks), des réseaux intégrant des unités multiplicatives et connexions résiduelles pour modéliser explicitement les interactions non-linéaires entre features. Évaluation sur benchmarks synthétiques et données réelles montre meilleure robustesse au bruit, efficacité en régime low-data, et interprétabilité améliorée via SHAP comparé aux MLPs standards.
AFSAT est un solveur GPU pour la satisfiabilité pseudo-booléenne basé sur la recherche locale continue. Implémenté en JAX, il utilise la composition de fonctions pures, la vectorisation automatique et la compilation JIT pour paralléliser massivement la recherche sur des batches. Améliore stabilité numérique, performance et efficacité mémoire par rapport au prototype FastFourierSAT.
TorchKM est une bibliothèque open-source pour machines à noyaux (SVM, régression logistique à noyau, régression quantile) avec accélération GPU. API scikit-learn, optimisation d'algèbre linéaire GPU, et réutilisation intelligente des opérations matricielles. Code disponible sur GitHub, installation PyPI.
OpenSkill propose un framework pour l'auto-évolution d'agents LLM en environnement ouvert, sans supervision de tâche cible. L'agent acquiert connaissances et signaux de vérification depuis documentation/web, synthétise des compétences transférables, et les affine via des tâches virtuelles auto-construites. Résultats sur 3 benchmarks montrent meilleure performance que baselines avec transfert cross-modèle.
Papier arXiv proposant W2S, un framework pour construire automatiquement des Skills (procédures encodées) pour agents LLM à partir de traces d'interaction hétérogènes. Introduit RWSA, une représentation intermédiaire décomposant Skills en structure Workflow, Semantics et Attachments. Sur 70 Skills, W2S améliore la cohérence de rejeu comportemental de 10.5% vs baselines textuelles.
ULPS intègre un LLM calibré dans la boucle d'entraînement RL pour guider la politique via trajectoires symboliques A* et dropout MC. Sur MiniGridUnlockPickup, le framework améliore la précision de 9%, réduit les interactions environnementales et augmente la récompense AUC comparé aux baselines non guidées.
Les LLM échouent sur les tâches juridiques exigeant une sélection rigoureuse des preuves. EP-HUBO traite la sélection de fragments de raisonnement (CoT) comme un problème d'optimisation combinatoire binaire d'ordre supérieur, pondéré par pertinence/spécificité/distinctivité. Testé sur benchmarks légaux avec recuit simulé et hardware quantique Dirac-3.
Méthode HSCHG pour la localisation d'événements audio-visuels en vocabulaire ouvert. Construit un graphe hétérogène hiérarchique en espace euclidien avec nœuds de segments et vidéo, applique une fusion multi-modale sélective et projette les représentations en espace hyperbolique avec régularisation d'implication hiérarchique. Surpasse les méthodes existantes sur le benchmark OV-AVEL.
Méthode de flow matching pour modéliser les distributions de flux dans les systèmes stochastiques de particules, capturant les effets non-Markoviens et non-Gaussiens ignorés par les équations hydrodynamiques classiques (Dean-Kawasaki régularisée). Validation sur le problème du premier temps de passage de Kramers.
Nouvelle méthode GPLFR combinant processus gaussiens et décodage linéaire-gaussien pour prédire des sorties haute-dimensionnelle à partir de peu d'exemples. Marginalisation analytique des poids du décodeur couple compression et prédiction en un seul objectif. Application : premier émulateur spatialement résolu de modèles climatiques globaux pour exoplanètes rocheuses.
WAV v1 améliore le routage des connexions résiduelles dans les Transformers profonds en ajoutant des bases directionnelles (phase et split) aux résumés de blocs. Sur TinyStories et Text8, la méthode réduit la perte de validation à 48 couches (0.4738 vs 0.4960) avec paramètres négligeables.
Réseau de neurones MSFAN pour classifier 12 types de polymères à partir de spectroscopie THz Dual-Comb. Architecture avec attention multi-échelle et convolutions parallèles atteint 85,2% de précision, surpassant les modèles existants pour le tri des plastiques recyclés.
Méthode de contrastive training pour améliorer la reconnaissance vocale en code-switching (alternance entre langues). Les auteurs identifient les régions critiques, génèrent des contre-exemples acoustiquement plausibles via LLM, puis affinent Whisper-small avec LoRA. Résultats : réduction >2% des erreurs sur CS-FLEURS et ViMedCSS.
TRACE est un framework de monitoring pour trajectoires d'agents LLM long-horizon. Il utilise une boucle TIJ (Triage-Inspect-Judge) pour identifier les régions à haut signal, inspecter les actions tout en accumulant les preuves, et synthétiser un verdict au niveau trajectoire. Évalué sur SHADE-Arena : F1=0.713, recall=0.844.
Papier formalisant le biais comme rupture de symétrie : un classifieur est équitable si ses prédictions restent invariantes quand on change un attribut sensible (genre, race) à mérite constant. Régularisation par perte pour restaurer la symétrie. Résultats : 90% de réduction des violations, coût en précision ~5% sur 4 datasets synthétiques.
SafeGene propose des adaptateurs de sécurité réutilisables pour préserver l'alignement de sécurité lors du fine-tuning de LLMs open-weight. Le module découple la sécurité des mises à jour spécifiques aux tâches via des vecteurs de sécurité transférables et une recalibration par couche. Expériences sur plusieurs familles de modèles montrent réduction des réponses nuisibles sans perte de performance.
Une étude arXiv montre que les évaluations de contrôle IA sous-estiment les risques en ignorant la sélection stratégique d'attaques. Sur BashArena et LinuxArena, une politique d'attaque optimisée réduit la sécurité mesurée de 20-28 points de pourcentage à budget d'audit 1%, sans changer la capacité d'attaque sous-jacente.
Article de position argumentant qu'une science rigoureuse de l'IA doit étudier les dynamiques d'entraînement plutôt que d'analyser les modèles post-hoc. Propose d'étendre les lois d'échelle au-delà de la perte pour prédire capacités, biais et comportements de sécurité. Examine progrès en interprétabilité mécaniste, équité et biais de simplicité.
Premier survey sur la quantification d'incertitude (UQ) en régression symbolique. Examine trois approches : fréquentiste, bayésienne et sélection de modèles. L'UQ reste sous-explorée malgré son importance pour la fiabilité et l'adoption en décision réelle.
Développeur crée Pocket Node, une app Android exécutant llama.cpp sur Galaxy Z Fold6. Charge SmolLM3 Q4_0 (1.1B params) via backend Vulkan, vérifie SHA-256 du modèle, expose API compatible OpenAI sur Tailscale, intègre monitoring homelab. Limites : contexte réduit, pas de RAG, thermique élevée en usage prolongé.
Framework PyTorch open-source pour entraîner des LLM avec architectures MoE/MoD, kernels CUDA personnalisés (2-7x plus rapide que PyTorch vanilla sur T4), support jusqu'à 64 experts, orchestrateur adaptatif avec 20+ métriques, configs 500K-300B paramètres. Apache 2.0, démo Colab incluse.
Contrôle d'avatar 3D par langage naturel via programasweights, qui compile des descriptions en anglais en programmes d'action exécutés localement. Supporte séquences complexes (« marcher en agitant la main, puis sauter ») sans boutons prédéfinis. Code partiellement ouvert, application visée aux jeux vidéo.
Le support MTP (Multi-Token Prediction) pour Gemma4 a été fusionné dans llama.cpp. Cette optimisation permet une génération de tokens plus rapide en prédisant plusieurs tokens simultanément.
Benchmark complet de quantification KV cache pour Qwen 3.6 27B : 75 paires testées avec q8/q6/q5/q4, KVarN, Turbo/TCQ. Résultats détaillés et analyse disponibles. BeeLlama.cpp (fork llama.cpp) utilisé comme moteur d'inférence.
OpenAI lance Lockdown Mode pour ChatGPT, désactivant l'accès web, Deep Research et Agent Mode pour réduire les risques d'exfiltration de données par injection de prompts. Le mode bloque l'étape finale de l'attaque mais ne résout pas complètement le problème.
Une étude compare des modèles de 4M à 4B paramètres et révèle que les petits modèles échouent sur les tâches rares car les tâches fréquentes écrasent continuellement leurs apprentissages. Une solution pratique : augmenter la fréquence de la tâche cible dans les données d'entraînement plutôt que d'agrandir le modèle.