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.
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.
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.
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.
Soro est une famille de modèles de langage spécialisés en tadjik, basée sur Gemma 3, entraînée sur 1,9 milliard de tokens tadjiks (web, PDF, matériel éducatif). Après fine-tuning supervisé sur 40K exemples, Soro surpasse Gemma 3 sur des benchmarks tadjiks créés par les auteurs et conserve les performances en anglais. Quantification FP8/INT4 validée pour déploiement edge en milieu scolaire.
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.
Étude comparative de modèles vision-langage (VLM) versus OCR traditionnel sur des éditions critiques du grec ancien. Les VLM génèrent du texte plausible mais non visuellement fondé, révélant une dépendance excessive aux priors linguistiques. Perturbations d'images et mesures d'ancrage au niveau des tokens montrent que les erreurs fluentes persistent même sans signal visuel.
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.
Article proposant un mécanisme de stéganographie pour tracer l'origine des informations synthétiques générées par IA. Un encodeur cache une signature invisible dans chaque génération, permettant d'identifier le modèle parent via décodage. Analyse théorique et évaluations empiriques sur plusieurs projectors et systèmes stéganographiques.
LaneRoPE permet à plusieurs séquences générées en parallèle de collaborer lors de l'inférence. La méthode ajoute un masque d'attention inter-séquences et étend RoPE pour capturer les positions relatives entre tokens dans et hors d'une séquence. Tests sur raisonnement mathématique montrent des gains de précision avec surcharge minimale.
Simorgh propose une approche de récupération hybride (BM25 + similarité sémantique) avec pondération régionale pour répondre à des questions culturelles multilingues sur le benchmark BLEnD (30 langues). Utilise Qwen3-14B quantisé. Améliore la stabilité cross-lingue mais révèle des écarts de performance liés au déséquilibre des données d'entraînement.
Architecture multi-agent autonome pour découverte d'insights en temps réel sur flux de données. Boucle continue : génération d'hypothèses, compilation en analytics exécutables, validation, visualisations. Utilise Kafka, Flink, LLM. Design basé contrats avec artefacts typés pour modularité et traçabilité. Démontrée sur retail, finance, données publiques.
Analyse de 703 975 conversations SMS de jeunes en crise (Kids Help Phone, 2018-2023). Introduction de Keyphrase Generative Representation (KGR), un LLM contraint générant des phrases-clés spécifiques au contexte. Taxonomie étendue de 19 à 39 labels avec précision 0.96. KGR identifie 81% de phrases-clés pertinentes et améliore le workflow de recherche thématique (+0.45 en précision vs processus manuel).
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.
Frost Training améliore l'optimisation de politique Monte Carlo pour les tâches LLM-as-a-judge appelées Cross-Entropy Games. La méthode exploite le gradient de la fonction de récompense dans l'espace d'embedding, technique inspirée du jailbreaking GCG. Validée avec GRPO, elle augmente la capacité du modèle à générer des sorties haute-score plus rapidement.
Les modèles de langage parlé (SLM) pour la synthèse vocale en langues peu dotées souffrent d'un compromis : les données synthétiques améliorent la précision phonétique mais suppriment la variabilité prosodique (Synthetic Erosion). Les auteurs proposent deux cadres d'auto-alignement (DGSA et TDSC) pour récupérer l'expressivité, surpassant ElevenLabs et Gemini Pro, avec clonage vocal zéro-shot pour le lao.
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.
Article théorique sur la détection de facteurs commutatifs dans les graphes de facteurs probabilistes. Les auteurs identifient une faille dans l'algorithme état-de-l'art : le théorème central n'est qu'une condition nécessaire, non suffisante. Ils proposent une version corrigée garantissant l'exactitude tout en préservant l'efficacité.
Deux frameworks d'IA agentive pour workflows scientifiques : DeepTS/DeepCollector automatise la curation et déduplication de datasets time-series à grande échelle ; DeepScribe analyse autonomement des lectures de physique complexes pour générer des rapports structurés. Architecture hybride Local Body/Remote Brain via Google Colab avec orchestrateurs Python et backends LLM cloud.
POLAR est un framework pour agents embodiés basés sur MLLM qui personnalise l'assistance via un graphe de connaissances multimodal. Il organise les interactions passées en mémoire sémantique (concepts visuels) et épisodique (trajectoires), améliorant les performances notamment pour le raisonnement multi-hop et le suivi du contexte utilisateur.
PathoFM, un transformer encodeur préentraîné sur des séries temporelles cliniques (analyse de marche en lésion médullaire), combine trois objectifs : Local Completion, Temporal Continuity et Unsupervised In-Context Dynamics. L'étude montre que les objectifs centrés sur la dynamique produisent les meilleures représentations transférables entre tâches de classification et régression.
Nouvelle méthode pour apprendre la dynamique de densités de probabilité haute-dimension sans trajectoires labellisées. Les flux à deux paramètres apprennent les transports de temps d'échantillonnage vers les marginales, puis extraient la dynamique physique par régression sur trajectoires synthétiques couplées. Approche scalable en haute dimension, compatible avec les phénomènes rotationnels.
Conv-to-Bench transforme automatiquement des dialogues multi-tours utilisateur-assistant en checklist d'évaluation structurées pour tâches de code. Le framework atteint une corrélation de Spearman ρ=1.000 avec BigCodeBench, avec accord humain κ=0.705 pour l'évaluation par LLM-as-a-judge.
Framework modulaire pour améliorer les GNN signés avec contexte temporel. Introduit HCIM (Historical Context Integration Module) combinant pondération temporelle, LSTM et attention multi-tête pour prédire les liens dans les réseaux temporels signés. Testé sur Bitcoin OTC, Bitcoin Alpha, Reddit avec améliorations statistiquement significatives vs baseline statique.
MultiSeismo est un dataset multimodal de 16K+ événements sismiques (2010-2023) intégrant enregistrements de sismographes, cartes d'intensité, données géographiques et métadonnées textuelles. Les auteurs développent SeisModal, un modèle spécialisé basé sur Unified IO 2 avec encodeur temporel, surpassant les GMMs génériques sur des tâches de raisonnement sismique multimodal.
Nouvelle métrique de diagnostic pour les simulateurs physiques appris : l'erreur de semi-groupe mesure la cohérence temporelle en comparant l'évolution directe sur s+t avec l'évolution composée (s puis t). Testée sur dynamiques thermiques et Burgers avec ConvNet et FNO, corrélation Spearman ρ=0.635 avec dégradation en long-horizon. Utile comme évaluation post-hoc plutôt que comme objectif d'entraînement.
Une étude arXiv révèle que des démonstrations correctes peuvent dégrader les performances en in-context learning (ICL). Les chercheurs introduisent des perturbations préservant la tâche pour montrer que la correction n'implique pas l'utilité : modifier l'entrée d'un exemplaire tout en conservant une sortie correcte peut réduire la précision, particulièrement sur les petits modèles et tâches difficiles.
Article sur l'alignement multi-parties prenantes des LLM. Les juges holistiques confondent estimation et agrégation d'utilité, créant du bruit de pondération instable. DecompR sépare calibration contrefactuelle des poids (fixes avant scoring) et estimation indépendante des utilités par rôle, réduisant la dérive des poids et le bruit d'estimation.
Étude montrant que les méthodes d'évaluation de l'usage de l'IA dans les publications scientifiques produisent des biais importants sans tenir compte des différences contextuelles entre pays et domaines. Les benchmarks « pooled » confondent variations stylistiques préexistantes avec texte généré par LLM, surestimant l'IA dans certains contextes et la sous-estimant dans d'autres.
NEI-CAP, un protocole de diagnostic pour évaluer la construction des labels « Not Enough Information » dans les benchmarks de vérification de faits. Les chercheurs montrent que la compétence NEI ne transfère pas fiablement entre constructions : les modèles entraînés sur des indices de raccourci échouent à reconnaître l'insuffisance de preuves sémantiquement liée. Tests sur SciFact, FEVER et HoVer.