2026
10 781 articles · 136 jours · 10 catégories · moy. 79 par jour
FrontierCS 2 teste 12 agents IA sur des tâches de R&D : le meilleur en réussit 58%
SplatLab rédige seul des articles sur le 3D Gaussian Splatting et dépasse les baselines jusqu'à +3,78 dB
Revue de littérature : les robots apprennent à améliorer leur propre apprentissage, mais les preuves manquent encore
ToM2Vec apprend aux agents LLM à modéliser leur partenaire dans des tokens latents
ToM2Vec construit la théorie de l'esprit du partenaire dans des tokens continus. Il l'emporte à Hanabi, Overcooked-AI et en négociation, y compris face à un GPT-5.4…
Quant-Arena : aucun des 9 LLM n'a battu le marché des actions A en 2024
Un benchmark teste neuf modèles frontier sur un cycle complet de recherche quant. GPT-6 Astra arrive en tête, mais aucune stratégie ne bat le marché équipondéré sur…
LASAGNA a testé 450 configurations RAG : les +47% promis se réduisent à +17%
Le framework open source LASAGNA a testé 450 configurations RAG sur huit benchmarks : trois techniques de retrieval promettaient +47% séparément, mais n'ont donné…
TraceForge entraîne les modèles sur leurs « propres pensées » : +7,1 points sur MBPP+
Des chercheurs proposent le cadre PAPAV : seuls 3 benchmarks sur 64 testent la vérification
La NUS apprend à un modèle à retrouver ce qu'il a décrit : le gIoU passe de 57,5 % à 68,2 %
TenetBench : 11 configurations de LLM sur 14 enfreignent les codes de déontologie professionnels
DetectorScope rend transparent le détecteur de textes IA, jusqu'ici une boîte noire
Google DeepMind rend les détecteurs de textes IA explicables : des autoencodeurs parcimonieux en extraient des critères clairs, sans perte de précision et avec un…
LLM2Cert vérifie 81 des 105 certificats de stabilité et de sécurité
LLM2Cert et DynaCertBench : un LLM propose des fonctions de Lyapunov et des certificats de barrière, vérifiés par des solveurs SMT et Lean. Résultat : 77,1% des…
CausalAlign soigne l'« amnésie » des modèles vidéo : les erreurs de géométrie baissent de 20%
LEGO-SCD détecte les changements dans des scènes 3D à 17,2 FPS, sans annotation manuelle
Mistral dévoile Voxtral 3 : reconnaissance vocale en 50 langues et agents vocaux pour l'entreprise
Cohere apprend à un modèle 7B à évaluer sa confiance en deux temps : l'erreur de calibration chute de 52,5 %
Claude a conçu en 64 heures 17 protéines ciblant des toxines de scorpion
250 sous-agents contre 4 threads : pourquoi l'architecture d'orchestration compte plus que le nom tape-à-l'œil d'un modèle
Six équipes de l'UCSB, de Stanford et de J.P. Morgan publient un benchmark de mémoire pour agents
九章云极 Alaya-DFlash2 accélère le décodage de GLM-5.3 d'un facteur 3,41
MemT 1.0 intègre la mémoire au modèle et vise l'auto-amélioration de l'IA
Sortie de MemT 1.0 : la mémoire doit devenir une capacité native du modèle et non une surcouche externe. Une annonce portée par une anecdote sur DeepSeek et sa…
Huawei openJiuwen relie un LLM à des équipements de laboratoire pour l'électrocatalyse
Huawei openJiuwen et l'équipe de la plateforme de calcul bouclent la chaîne : un LLM conçoit l'expérience d'électrocatalyse, des instruments physiques l'exécutent.
L'Anhui mise sur les humanoïdes : un parc robotique à Hefei et un projet de 15,1 Md de yuans
Un parc robotique réunissant 14 entreprises a ouvert à Hefei, et l'Anhui évoque 31 modèles d'humanoïdes et un projet de 15,1 Md de yuans. Ce que l'on sait du…
HyperDrone rend des millions d'images par seconde et devance ses concurrents d'un facteur 20
RLSplat apprend au 3D Gaussian Splatting à économiser : jusqu'à 4,1× plus rapide et 9,6× moins de mémoire
Stratified Sparse Attention accélère le décodage d'un facteur 2,96 sur un contexte de 1M
StyleStream 2.0 divise par deux la latence de conversion vocale, à 520 ms
Les agents à base de LLM de diffusion apprennent à se chuchoter des vecteurs : +34 points sur QASC
Des chercheurs font échanger à des modèles de langage à diffusion quatre vecteurs latents au lieu de texte. Sur QASC, la précision atteint 80,8%, et un seul…
RoboCasa-Shift : un benchmark révèle où les robots VLA échouent en cuisine
Le benchmark RoboCasa-Shift a passé GR00T N1.5 au crible en 1 040 exécutions : deux défaillances au ΔSR=0,188 identique font échouer le robot dès la première étape…
Qwen-Audio-3.1-ASR : 30 langues, 16 dialectes et diarisation dans un seul modèle
Une équipe de chercheurs en IA trouve une attention linéaire qui surpasse GDN2 à 1.3B
DiffResearch : un LLM de diffusion accélère le deep research d'un facteur 6
Sur 1 598 articles de RL, 37 ont atteint les frameworks : audit de sept stacks open source
Des chercheurs apprennent aux LLM à s'adapter au dialecte : la méthode CAP et 10 familles de modèles
Agent4Sci : Claude Opus améliore de 10,4% les records sur 20 benchmarks scientifiques
MultiAgent-OPD entraîne une équipe d'agents de bout en bout et atteint 38,68% sur sept benchmarks de QA
DuoLM accélère de 60 fois les recommandations par LLM : 26 400 évaluations par seconde sur un seul H100
Des chercheurs scindent un LLM de recommandation en encodeur et ranker, avec descriptions en cache : 26 400 candidats évalués par seconde sur un H100, à la qualité…
RoboJudge-9B juge les vidéos de robots plus précisément que Gemini : corrélation de 0,719 avec les humains
La CUHK publie un benchmark de 800 vidéos annotées et un juge 9B pour vidéos de robots : corrélation de 0,719 avec les humains, 0,089 de plus que Gemini-3.7-Flash.
DeCert apprend aux juges IA à justifier leurs verdicts : 76,2 sur RM-Bench avec un modèle 8B
DeCert entraîne les reward models génératifs à choisir la bonne réponse et à la justifier. Qwen3-8B atteint 76,2 sur RM-Bench et jusqu'à +14,8 en robustesse…
16 demandes et 262 vérifications en 6,5 minutes : comment trois agents IA autonomes résolvent une tâche métier en direct
Together AI lance Post-Training : RL et SFT sur B200 à $9 par GPU-heure
UniPat AI investit 100 millions de yuans dans son programme Fellows pour les chercheurs
