D-BOS (Differentiable Belief-based Opponent Shaping) est une méthode MARL qui façonne les adversaires en différenciant à travers les dynamiques de croyance bayésienne softmax sur k étapes. Contrairement aux approches existantes, elle traite l'état de croyance comme cible de façonnage plutôt que les paramètres ou politiques. Résultats : surpasse PPO et BBM dans les jeux à rôles cachés, notamment en contextes mixtes.
Nouvelle approche de distillation de contexte formulée comme gestion de mémoire latente. Chaque contexte est distillé en adaptateur LoRA indépendant formant une banque mémoire modulaire. Un mécanisme Self-Gating décide de l'activation des mémoires latentes. Cache sharing réduit la surcharge d'inférence.
RACE-Sched, un framework multi-agent asynchrone, résout le problème d'ordonnancement dynamique en découplant exécution temps-réel (heuristiques symboliques) et raisonnement long-horizon (LLM). Un dépôt sémantique de règles validées améliore la transferabilité. Surpasse les baselines Deep RL et LLM sur GEN-Bench, MK-Bench, JMS-Bench.
Détection d'attaques par injection de fausses données sur réseaux électriques via un détecteur informé par l'espace cyclique. Les auteurs proposent une méthode robuste contre les attaques d'autoencodeurs qui exploitent l'espace nul des mesures, en utilisant les contraintes topologiques du réseau et la base de cycles minimale pour améliorer la détection.
CosmicFish-HRM est un modèle compact avec un module de raisonnement hiérarchique (HRM) qui alloue dynamiquement l'effort computationnel pendant l'inférence. Le modèle apprend à arrêter selon la complexité de l'entrée, combinant cycles de raisonnement haut/bas niveau avec Grouped Query Attention, RoPE et SwiGLU. Les résultats montrent un comportement de raisonnement non-uniforme adapté aux tâches.
Q-ALIGN DT aligne les modèles de séquences conditionnés en garantissant que la valeur Q de la politique correspond au return-to-go (RTG) d'entrée. La méthode utilise une fonction Q pour guider l'apprentissage et un fine-tuning par perturbation RTG. Résultats : meilleure contrôlabilité sur D4RL et généralisation à des tâches comme le velocity-tracking.
Baymex, algorithme évolutionnaire multi-objectif, apprend des réseaux bayésiens discrets pour la classification clinique. Parallélisé sur 16 cœurs (speedup 54×), il optimise cross-entropy et complexité BIC. Sur données réelles (RADCURE, SUPPORT), il égale ou surpasse arbres de décision, régression logistique et forêts aléatoires, tout en produisant modèles interprétables.
KOFF décompose les LLM en backbone partagé épars et modules mémoire externes spécialisés. Sur Llama et Qwen (3B-8B), le framework préserve les performances à 12% de sparsité globale en utilisant des adaptateurs LoRA et des caches KV appris, tandis que l'élagage sans mémoires dégrade fortement le modèle.
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.
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.
Étude comparative de 7 modèles transformer (MiniLM à LLaMA-2, 22M à 13B paramètres) pour la modélisation de sujets via BERTopic. Résultat : la taille du modèle n'impacte négligemment la qualité des sujets mesurée par cohérence et divergence. Les petits modèles égalent les performances des grands.
Étude arXiv sur la géométrie représentationnelle lors de l'apprentissage en contexte (ICL) dans les LLM. Les chercheurs montrent que la performance ICL corrèle avec la structure représentationnelle des tâches et que l'ICL réussi s'accompagne d'une réorganisation géométrique augmentant la séparabilité. Le comportement des LLM suit un algorithme de type prototype.
Framework pour générer des erreurs synthétiques ciblées avec LLM selon une taxonomie cognitive (Bloom révisée). Un Generation Agent produit des solutions erronées, un Examination Agent valide leur cohérence avec le mode d'erreur spécifié. Testé sur TheoremQA, révèle que générer des erreurs authentiques est bien plus difficile que produire des réponses fausses arbitraires.
eXTC combine optimisation structurée de prompts et apprentissage par renforcement pour la classification de texte. Le système apprend d'abord un rulebook en langage naturel, puis distille le raisonnement d'un LLM teacher vers un modèle compact, avant d'étendre les capacités via RL. Résultat : inférence rapide avec traces de raisonnement locales et explications globales modulaires.
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.
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).
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.
Article définissant la « dette technique agentique » : accumulation de responsabilités quand prompts, mémoire, schémas d'outils et orchestration sont assemblés plus vite qu'ils ne peuvent être validés. Introduit aussi la « taxe stochastique » : coût opérationnel récurrent pour maintenir le comportement probabiliste des agents dans des limites acceptables. Propose des tableaux de bord légers pour la gouvernance.
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.
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.
Des chercheurs proposent une méthode d'audit basée sur le désaccord entre modèles pour évaluer les LLM utilisés par les agences fédérales pour catégoriser les commentaires publics. Sur 1 260 commentaires USDA analysés avec 4 LLM, la divergence thématique inter-modèles dépasse la variation intra-modèle, et les annotateurs humains introduisent des cadres interprétatifs absents de l'ensemble.
Framework neuro-symbolique pour construire des graphes de connaissances (KG) corrigés post-extraction selon des contraintes ontologiques. Combine extraction ouverte, canonicalization par embedding, et correction LLM ciblée des violations. Réduit les appels LLM et améliore la cohérence du KG pour le QA multi-hop et les opérations symboliques (agrégation, énumération).
TRACE, un agent LLM pour l'optimisation de composés pharmaceutiques, formule la sélection d'outils comme un problème de décision séquentielle. L'approche améliore les propriétés ADMET tout en préservant les sous-structures moléculaires critiques, surpassant les baselines sur plusieurs tâches d'optimisation.
VFEAgent est un système multi-agent multimodal qui automatise l'analyse par éléments finis (FEA) à partir d'images et de descriptions textuelles. Le framework combine un pipeline vision-langage avec raisonnement ReAct et une synthèse de code vérifiée pour générer des simulations physiquement valides, surpassant les approches LLM existantes.
Étude de l'apprentissage par renforcement en auto-jeu dans Big 2, un jeu de cartes à 4 joueurs avec information imparfaite. PPO surpasse Q-learning, SARSA et Monte Carlo Q-approximation contre des adversaires aléatoires, gloutons et heuristiques. La régularisation d'entropie modérée et l'auto-jeu en politique courante améliorent les performances.
Article arXiv proposant une architecture multi-agent avec mémoire sémantique et caching pour réduire les hallucinations LLM. Pipeline à trois étages (FrontEndAgent, SecondLevelReviewer, ThirdLevelReviewer) évalué sur 310 prompts. Résultats : réduction THS de -31,3% à -35,9%, taux de cache hit de 47,3%, réduction de 47% des appels LLM. Pas de réentraînement requis.
COM, une stratégie pour les LLM de séries temporelles, intègre des contraintes géométriques dans l'initialisation et l'entraînement des embeddings de tokens. Elle préserve la continuité et l'ordinalité inhérentes aux séries temporelles, améliorant les performances sur plusieurs benchmarks d'analyse.
Vercel alerte sur le vol d'inférence IA : des attaquants exploitent les endpoints exposés pour revendre les appels API à bas prix, générant des milliers de dollars de pertes. La solution requiert une vérification par requête (pas par session) via analyse approfondie, intégrée en quelques lignes de code.
OpenAI lance Rosalind Biodefense, élargissant l'accès contrôlé à GPT-Rosalind pour les développeurs vérifiés et partenaires gouvernementaux américains travaillant sur la bioprotection, la santé publique et la préparation aux pandémies.
Vercel Sandbox supporte désormais Docker : installation, démarrage du daemon et exécution de conteneurs sans affecter le système hôte. Utile pour tester Redis/Postgres, valider des images avant déploiement, ou prévisualiser des apps containerisées. Ajout aussi de support FUSE et VPN clients.
OpenAI publie un guide pour les évaluations tierces d'IA, couvrant l'assessment des capacités, des garde-fous et de la validité des systèmes frontière.
ByteDance développe ses propres processeurs Arm et RISC-V pour réduire les coûts d'inférence de ses modèles. Le groupe traite 120 000 milliards de tokens/jour avec Doubao et cherche à diminuer sa dépendance aux GPU Nvidia en optimisant l'infrastructure serveur.
Cognition et OpenInspect présentent les agents asynchrones comme nouvelle paradigme : 80% des commits de Devin proviennent d'agents, workflows spec-to-PR automatisés, VMs complètes, mémoire d'agent persistante, et PMs codant directement.
LiquidAI publie LFM2.5-8B-A1B, modèle hybride 8B optimisé pour l'inférence sur appareil (CPU/GPU). Architecture étendue avec RL, compatible llama.cpp/MLX/vLLM/SGLang. Performances comparables à des modèles plus grands sur tâches d'agents et suivi d'instructions complexes.
Test comparatif de Qwen 3.6 35B sur différents formats de sortie (texte brut, markdown, HTML, HTML+CSS). Markdown produit la meilleure qualité (78/100 selon ChatGPT-4o) avec 1,496 tokens de sortie en 23s. HTML+CSS génère 10,290 tokens en 82s mais score qualité inférieur (58/100). Mesures incluent tokens de raisonnement, débit et temps total.
Writ est une couche d'application pour agents de codage IA utilisant un graphe de connaissances Neo4j local et RAG hybride. Un pipeline de récupération en 5 étapes (BM25, similarité vectorielle HNSW, traversée de graphe, fusion de rangs réciproques) filtre les règles pertinentes. 30 scripts bash appliquent l'exécution : pas de code sans plan approuvé, tests obligatoires, analyse statique requise.
Google présente Coral Board, une carte informatique compacte annoncée à Google I/O pour exécuter Gemma 3 localement sur l'appareil.
Tomesphere : extension Chrome + site web indexant 3M papiers arxiv avec résumés LLM, avis OpenReview, repos GitHub, modèles HuggingFace, graphe de citations et voisins SPECTER2. Gratuit, sans inscription.
Sigilant-sweep, un CLI open-source pour llama.cpp et vLLM, compare 16 configurations (quantifications, KV cache, contexte). Sur Qwen2.5-7B, Q4_K_M surpasse Q8_0 de 230ms en TTFT et +10.7 TPS. L'outil mesure TPS, TTFT, PPL avec p50/p95 et score pondéré (latence/qualité/équilibre).
Tomesphere : extension Chrome + site web enrichissant arxiv avec résumés LLM, avis OpenReview, liens GitHub/HuggingFace, graphe de citations, voisins SPECTER2. 3M articles indexés, gratuit, sans inscription.