Together AI présente neuf travaux de recherche à l'ICML 2026 à Séoul

Together AI a annoncé le 30 juin 2026 que neuf travaux de recherche menés par l'entreprise et ses partenaires ont été acceptés à la conférence ICML 2026 à Séoul. Présentés sur le stand B714, ils couvrent toute la pile d'infrastructure IA, des agents aux kernels GPU.

Comment s'organise la pile de recherche

Pour Together AI, l'IA de pointe ne se construit pas sur une seule couche. Un gain sur un niveau ne sert à rien si les couches voisines ne suivent pas. L'entreprise a réparti ses neuf travaux sur cinq niveaux de la pile, des agents au sommet jusqu'aux kernels GPU à la base. Elle montre comment chaque niveau alimente le suivant, tandis que les charges de production de la plateforme Together indiquent quel problème de recherche attaquer ensuite.

L'ICML (International Conference on Machine Learning) compte parmi les principales conférences mondiales en apprentissage automatique, au même rang que NeurIPS et ICLR. Y voir un article accepté est traditionnellement considéré dans le secteur comme un signal fort de la qualité d'une recherche. En 2026, la conférence se tient à Séoul, où Together AI dispose de son propre stand, le B714, pour rencontrer les participants.

Quoi de neuf côté agents et entraînement des modèles

Trois travaux portent sur des agents qui accomplissent un vrai travail et sont évalués sur des tâches impossibles à « faire semblant » de résoudre. DSGym est un framework d'évaluation et d'entraînement d'agents orientés données : plus de 1 000 tâches dans plus de 10 domaines, sous une API unique. ThunderAgent accélère l'inférence des agents jusqu'à 3,6 fois. TTT-Discover est un modèle ouvert qui, selon ses auteurs, dépasse le meilleur résultat humain dans sa catégorie de tâches.

Deux autres travaux s'intéressent à la manière de transformer un modèle de base en modèle de raisonnement, y compris lorsqu'il n'existe pas de réponse de référence à laquelle se comparer. RARO entraîne le modèle sans vérificateur et obtient 25 % de victoires face à la version de base. V1 ajoute jusqu'à 10 % de réponses correctes. Les deux s'attaquent au même problème pratique : comment améliorer un modèle sur des tâches où l'exactitude d'une réponse ne peut pas être vérifiée par simple comparaison avec un « répertoire de bonnes réponses ».

Comment on accélère l'inférence et les kernels GPU

Au niveau de l'optimisation algorithmique, Aurora met en œuvre un décodage spéculatif adaptatif. Dans cette technique, un modèle plus léger « devine » à l'avance plusieurs tokens, que le modèle principal vérifie ensuite, ce qui accélère la génération de texte. L'algorithme d'Aurora s'ajuste au trafic réel et offre une accélération allant jusqu'à 1,25 fois. Selon Together AI, cette même ligne de recherche tourne déjà en production sur sa plateforme sous le nom d'ATLAS-spéculateur : le passage d'un article ICML à un service réel n'a donc pas pris des années, mais un seul cycle de développement.

Les faits clés aux niveaux système et matériel :

• Untied Ulysses gère un contexte de 5 millions de tokens sur un seul nœud de calcul
• Opportunistic Expert Activation (OEA) accélère le décodage des modèles MoE jusqu'à 39 %
• ParallelKernelBench est un ensemble de 87 tâches portant sur des kernels multi-GPU, socle de la pile où le matériel brut se convertit en vitesse utile
• Au total, 9 travaux de Together AI et de ses partenaires ont été acceptés à l'ICML 2026
• L'entreprise les présente sur le stand B714 à Séoul

Pourquoi c'est important pour l'entreprise

Together AI relie explicitement la recherche à la production : les travaux sur Aurora sont déjà utilisés sur sa plateforme sous le nom d'ATLAS-spéculateur. L'entreprise décrit un cycle simple : les résultats de recherche intègrent la plateforme Together, et les charges de production sur cette plateforme indiquent quel problème de recherche traiter ensuite.

Ce que cela signifie

L'ICML 2026 montre que la course à une inférence IA plus rapide et moins chère ne se joue pas seulement au niveau des modèles eux-mêmes, mais aussi à celui des frameworks agentiques, des algorithmes de décodage et des kernels GPU. Des entreprises comme Together AI structurent leur recherche sur l'ensemble de cette pile, et non sur un seul point.