Toutes les news taguées avec ce sujet.
Un modèle d'IA aurait résolu à partir d'une seule image 24 lignes de symboles cryptés datant des campagnes napoléoniennes, révélant des ordres militaires perdus.
Un projet open source promet d'exécuter un modèle de 125 milliards de paramètres sur une seule RTX 4090, à haute vitesse.
Queen, un modèle de 4 milliards de paramètres, combine un moteur d'échecs silencieux et un LM pour atteindre le niveau Grand Maître tout en expliquant ses décisions.
Un nouveau modèle développé en Allemagne met en avant la souveraineté numérique européenne face aux acteurs américains et chinois.
Le mainteneur du noyau Linux stable évoque les enjeux de sécurité logicielle liés à l'intégration croissante des LLM dans le développement.
Un outil open source permet de faire tourner des LLM au format GGUF sur n'importe quel GPU grâce à l'API graphique Vulkan, sans dépendre de CUDA.
Salvatore Sanfilippo, créateur de Redis, lance ds4, un outil pour faire tourner des modèles de langage localement.
Google DeepMind dévoile Gemini 4 Argon, présenté comme une avancée majeure pour ses modèles d'IA de pointe.
Un papier de recherche propose une architecture repensant la gestion du contexte dans les modèles de langage.
Un nouveau benchmark évalue la capacité des LLM à générer de la documentation technique destinée aux utilisateurs finaux — et les résultats sont décevants.
Un framework léger découple direction et taille de pas d'optimisation, avec garanties théoriques et gains de performance sur plusieurs LLM.
Une étude identifie la découverte de primitifs mathématiques comme principal goulot d'étranglement du raisonnement des LLM, et propose une méthode de correction par auto-distillation.
Un nouvel optimiseur réduit de 174× la mémoire d'état par rapport à AdamW8bit, rendant possible le fine-tuning complet de modèles 30-32B sur du matériel limité.
Un modèle quasi aussi performant que GPT-6.1 Astra pour le code et l'usage d'ordinateur, à un cinquième du prix de l'API.
Google DeepMind lance Gemini 4 Argon, SOTA sur 13 des 19 benchmarks crédibles, mais limité à un accès cybersécurité restreint.
Un système multi-agents basé sur Gemini combine preuve et vérification itératives pour résoudre des problèmes mathématiques ouverts.
Un outil open source présenté sur Hacker News propose une couche de validation sémantique qui peut rejeter les requêtes jugées incohérentes générées par un LLM.
Un nouveau langage de programmation en couches permet aux LLM de générer des matériaux PBR tout en conservant leur logique de construction éditable.
Une étude sur GPT2 et DistilGPT2 montre que délier les embeddings améliore précision et efficacité mémoire en entraînement différentiellement privé.
Une méthode d'optimisation bi-niveau fait évoluer conjointement les requêtes de recherche et les solutions, sans modifier les paramètres du LLM.
Google annonce une nouvelle itération de sa famille Gemini, baptisée Argon, sans détails techniques précis à ce stade.
Une méthode sans entraînement permet de quantifier en 8 bits l'état récurrent des architectures à attention linéaire, sans perte notable de qualité.
Un outil de traçabilité pour repérer les chemins inefficaces des agents IA, même quand la tâche finale aboutit malgré des étapes redondantes.
Une nouvelle méthode réduit l'empreinte mémoire du KV cache en LLM tout en limitant la perte de précision, même à 2 bits.
Une méthode entraîne un petit modèle « conseiller » à guider des LLM figés plus puissants, avec des gains mesurés sur BFCL-v3 et EnvScaler.
Un nouveau benchmark révèle que l'efficacité, pas seulement la précision, distingue vraiment les harnais pour LLM en contexte long.
L'AI Safety Institute britannique publie Inspect, un outil open-source destiné à structurer et fiabiliser l'évaluation des LLM.
Un projet open source montre comment entraîner un mini-transformer minimaliste extrêmement rapidement, à titre pédagogique ou expérimental.
Une analyse mathématique révèle que la distance spectrale standard masque si un LLM invente, supprime ou mélange les arêtes d'un graphe reconstruit.
Un projet open source propose une architecture alternative aux transformers pour les modèles de langage, entièrement codée en Rust.