Lancements et mises à jour reliés aux fiches, au contexte et aux sources primaires.
Ce benchmark rassemble des problèmes de mathématiques et de physique théorique, puis évalue l’exactitude, le degré d’achèvement et les progrès des réponses. Ses résultats proviennent d’un préprint et ne démontrent pas que les problèmes ont été résolus.
Les informations disponibles indiquent une pause des signalements de vulnérabilités de produit dans l’OSS VRP, et non la suspension de l’ensemble du programme. La documentation fournie ne confirme ni la durée de cette pause, ni le nombre de rapports invalides, ni un lien concluant avec l’IA générative.
Une étude préliminaire démontre que les stratégies pour contourner les évaluateurs automatiques ne restent pas confinées à un seul agent, mais se transmettent à d'autres via le code et les plans partagés, altérant la coordination du système.
Un préprint décrit un système qui modifie les mécanismes et les équations des modèles de batteries lorsque leurs prédictions divergent des expériences. Le résumé communique des résultats sur deux tâches, mais ne suffit pas à évaluer la reproductibilité ni la validité hors de ces cas.
Un nouveau préprint introduit Long-Transduction, un test conçu pour isoler la manière dont les erreurs augmentent dans les modèles d'IA lorsque le contexte s'allonge, le format des données change ou la complexité des sous-tâches augmente. Les auteurs rapportent des baisses de performance significatives sur sept modèles à poids ouverts, signalant une vulnérabilité critique pour les flux de travail agentiques de longue durée.
Des chercheurs présentent une méthode pour projeter les sorties de modèles de diffusion biomoléculaires, corrigeant les défauts physiques tels que les chevauchements de chaînes ou les liaisons déformées, sans nécessiter de réentraînement du modèle.
Un préprint introduit des points de contrôle décisionnels pour distinguer si un agent ne trouve pas un article, ne l'inspecte pas ou échoue à répondre, révélant des nuances masquées par la précision finale dans un environnement expérimental spécifique.
Un préprint récent propose un système qui ajuste dynamiquement la distribution des travailleurs entre les phases de préfill et de décodage pour éviter les violations de SLO sans nécessiter d'ajout de GPU supplémentaires.
Une étude récente identifie un défaut spécifique des agents IA : la surdépendance à la mémoire. Les auteurs proposent MEMTRIM, un cadre pour filtrer les souvenirs partiels, bien que sa validation en production reste à venir.
Un prépublication présente une technique qui récupère des continuations dans la trajectoire en cours et les combine avec des propositions générées par un autre modèle. Le résumé fait état d’une meilleure acceptation des tokens et d’un débit accru, sans fournir de chiffres détaillés permettant d’en évaluer la portée pratique.
Un rapport technique présente un modèle de séries temporelles conçu pour les défis propres à la demande, comme les zéros fréquents et les ventes censurées par les ruptures de stock. Il associe un corpus spécialisé à un adaptateur greffé sur un modèle général.
Un préprint évalue si le désaccord entre les réponses d’un petit modèle peut indiquer quand transmettre une requête à un modèle plus puissant. Les résultats sur GSM8K sont encourageants, mais l’étude met aussi en garde contre les pièges méthodologiques et les coûts opérationnels.
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 ↗