Toutes les actualités
10835
DeepSeek ouvre le prototype Super-agent : le p95 du temps de tâche passe de 29,5 à 15,7 minutes
Le module de diffusion TADR améliore le F1 d'un détecteur d'anomalies sur SMD malgré la perte de blocs de données
Un agent LLM a assemblé un réducteur dans KOMPAS-3D, mais n'obtient que 50 points sur 100 pour la nomenclature
HyperRepair rend à des LLM affinés 93,4% de leurs compétences générales tout en conservant 99,5% du score de domaine
Des chercheurs de Shanghai et du Queensland restaurent les compétences générales oubliées des modèles LoRA sans données du domaine cible, via un réseau latéral…
Le framework AICG de NC State réduit de 50,3% la MAE pour la notation des réponses mathématiques
Un modèle RoBERTa apprend non seulement des notes mais aussi des compétences de l'étudiant, et réduit le poids des réponses assistées par IA : MAE en baisse de…
Les agents ont ignoré la consigne de lire la mémoire dans 7 sessions sur 7 : analyse de 13 000 logs
kaeru a analysé 13 000 logs : ses agents n'ont suivi la consigne de lire la mémoire dans aucune des 7 sessions, mais soldent leurs « dettes » et perdent les…
FieldGuideRAG compare les photos à des références dans un graphe et devance SigLIP jusqu'à 16 points de précision
La récompense CoFiBreak apprend à une LLM attaquante à varier ses jailbreaks sans perte d'ASR@10
Gemma-3-12b détecte moins bien les mensonges dans un RAG : le taux de détection tombe de 25% à 10%
L'optimiseur FARO réduit la perte de validation de GPT de 0,0136 nat sur 6 seeds sur 6
Qwen3-VL-4B gagne 18,33 points de précision sur Drone-PUR après un fine-tuning sur des images de drones
Des chercheurs chinois ont créé Drone-PUR : 11 tâches et 195 000 exemples pour évaluer les VLM sur des images de drones. Qwen3-VL affinée gagne 17 à 18 points de…
Huit LLM perdent 35–46% de calibration de stratégie en génération libre
Meta et USC ont testé huit LLM : face à des options toutes faites, elles trouvent la bonne stratégie, mais en réponse libre la calibration de stratégie chute de…
BILAL-Bench : six modèles ouverts sur sept inventent leurs sources avec aplomb dans 79–95% des cas
Sans manager, l'essaim DreamTeam a écrit trustcheck pour $5,68 et réussi 13 tests cachés sur 13
NVIDIA publie Nemotron 3.5 Bolt E4B : 4 Go et 133 tokens par seconde sur RTX 5070
EDU-Jev 4B note les copies d'élèves avec 67,6% de précision et devance les API commerciales de 9,4 points
La correction DLC maintient la KL vers l'on-policy de Qwen3 sous deux seuils de bruit
PathoJev-27B devance SlideChat de 6,3 points de pourcentage en précision moyenne sur trois tests WSI
Cosmos a généré de la vidéo d'entraînement pour drones : le mAP@50–95 du détecteur progresse de 10,3%
TraceSpec augmente de 12,5–22,6% le débit de DSpark pour les agents LLM
Renmin University et Huawei entraînent le modèle brouillon sur les tours intermédiaires de l'agent. En rejeu d'historiques sauvegardés, le débit gagne 12,5–22,6%…
Une inscription sur l'image provoque 55% d'erreurs communes aux deux canaux d'un agent dermatologique
Quand un agent dermatologique cherche des cas similaires sur la lésion recadrée, ses deux canaux commettent la même erreur dans 55% des cas ; la comparaison n'en…