Lancements et mises à jour reliés aux fiches, au contexte et aux sources primaires.
La demande budgétaire sur cinq ans prévoit de combiner des algorithmes d’apprentissage automatique et des capteurs sans contact. Le document officiel décrit des objectifs de développement et de validation, mais ne prouve pas que le système puisse détecter les mensonges de manière fiable.
Une étude théorique et computationnelle avance qu’un agent peut influencer ce qu’apprend la personne qui supervise un débat en sélectionnant et en ordonnant des arguments vrais. Il s’agit d’une preuve de concept, pas d’une démonstration menée avec des modèles déployés ou des superviseurs humains.
Microsoft a annoncé le regroupement de plusieurs expériences Copilot dans une application destinée aux particuliers comme aux entreprises. La proposition réunit chat, programmation et agents, mais des points importants restent à confirmer : disponibilité, permissions, intégration et prix.
Une étude consacrée aux agents multitours avance qu’un modèle élève peut apprendre à agir comme s’il connaissait des informations qu’il n’a jamais reçues. Ses auteurs proposent Privileged Self-Practice, qui conserve ces informations dans le contexte de la mise en pratique plutôt que de les intégrer à la perte d’entraînement.
Un préprint compare la récupération globale de compétences à une récupération limitée à la famille dans laquelle chaque compétence a été validée. Dans ses essais, la seconde approche obtient une meilleure utilité des trajectoires cachées ; des précisions restent nécessaires pour interpréter cette mesure et généraliser le résultat.
Ce préprint rassemble des événements résolus et des actualités datées afin d’évaluer des agents à différents moments du passé. Son résumé fait état d’améliorations grâce aux outils de recherche pour 12 modèles, même si tous restent derrière les prévisions historiques du marché.
Ce benchmark évalue des agents qui tentent de reconstruire des résultats d’articles d’apprentissage automatique à partir des ressources publiées et dans le respect d’un budget GPU fixé. Les taux de réussite signalent une difficulté croissante, mais ne permettent pas de déterminer si les conclusions scientifiques des articles sont valides.
Un préprint décrit un système qui consulte, au moment de l’inférence, des définitions de l’information sensible propres à chaque domaine. Ses premiers résultats indiquent une meilleure détection que celle d’un classificateur de référence dans la plupart des combinaisons testées. Toutefois, les informations disponibles ne permettent pas d’évaluer toutes les erreurs ni de déterminer si le système est prêt pour un usage réel.
Ce benchmark rassemble 799 cas de banque de détail indienne et examine la sécurité, l’usage des outils, les réponses et les conseils. Ses auteurs estiment qu’une réussite ponctuelle ne suffit pas à mesurer la fiabilité.
Akamai a confirmé un engagement pluriannuel visant à fournir à Anthropic des capacités de calcul, notamment pour des charges de travail reposant sur des processeurs CPU. Des informations antérieures évoquaient un accord de 1,8 milliard de dollars ; l’annonce ultérieure porte le montant de l’engagement élargi à 11,6 milliards. Ces termes ne prouvent pas que toutes les capacités soient déjà opérationnelles.
Les benchmarks d’IA sont passés de la notation de réponses dans des jeux de données à l’évaluation de systèmes au moyen de tâches et d’environnements interactifs. Cette évolution élargit les éléments observables, mais une note ne constitue pas pour autant une mesure complète de l’utilité ou de la fiabilité.
Un tarif par million de tokens ne suffit pas pour budgéter un flux en plusieurs étapes. Apprenez à additionner l’entrée, la sortie, le cache, les nouvelles tentatives et la révision, puis à fixer des limites avant l’exécution.
Une nouvelle qui modifie la carte des modèles et des capacités.
Le lancement nécessite de revoir l’évaluation, le déploiement et la sécurité.
Modèle de bordure ↗Tâches de code et de connaissances avec contrôles d'effort.
Connaissance ↗Multimodalité, code et agents avec un profil de faible latence.
Version stable ↗Un fait divers ne se termine pas par un titre.
Relie l'annonce à la version, à l'accès et aux modalités.
Identité ↗Distinguer les taux stables, d'introduction et les données manquantes.
Coût ↗Examinez les conditions et la comparabilité avant d’accepter un indice de référence.
Preuve ↗