Hugging Face Daily Papers
Source d'actualités IA. Les articles sont sélectionnés et adaptés par la rédaction de Hamidun News.
Dernières publications
LiveMACEBench a testé cinq agents LLM sur un marché réel pendant 30 jours
Le benchmark LiveMACEBench a fait tourner cinq modèles frontier pendant 30 jours sur des marchés financiers réels. Résultat : la rentabilité reflète mal les compétences réelles d'un agent.
Scene-Designer entraîné sur 35 000 exemples de conception et 15 000 de critique pour des scènes 3D
Scene-Designer, un agent qui compose des intérieurs 3D à partir d'un texte et évalue lui-même son résultat. Entraîné sur 35 000 trajectoires de conception et 15 000 exemples de critique.
Consistent Distribution Matching ramène la diffusion à 1 étape avec un FID de 2,04
Cette méthode de distillation se passe de dataset et de passes du modèle enseignant : sur ImageNet 256×256, 1 étape donne un FID de 2,04 et 4 étapes 1,37, après 40 époques d'entraînement.
Un vocabulaire gelé de 16 Mo rivalise avec un vocabulaire entraînable dans les petits LLM
Des chercheurs ont remplacé les 168 millions de paramètres d'embeddings d'un modèle de type Gemma par une table gelée de 16 Mo, sans perdre sur trois des quatre benchmarks.
RAP réunit 25 000 paires article–poster pour apprendre à l'IA à mettre en page des posters en HTML/CSS
Le jeu de données RAP réunit plus de 25 000 paires « article – poster » issues de conférences de ML 2022–2026, plus 150 travaux de test. Le poster devient un balisage HTML/CSS vérifiable.
BeliefWeaver gagne 5,1 pp sur les tâches longues des agents, l'élève 9B en gagne 9,8
BeliefWeaver aide les agents à corriger des erreurs dont la cause remonte à plusieurs étapes plus tôt. Le modèle 9B distillé gagne 9,8 pp et réduit de 54,8% les coûts du modèle enseignant.
OPMD apprend aux LLM étudiants non seulement les réponses, mais aussi les calculs internes de l'enseignant
On-Policy Mechanism Distillation transfère les calculs intermédiaires de l'enseignant et mène en précision moyenne parmi les baselines de distillation sur les trois paires enseignant-étudiant.
LexFrame lit les états cachés des LLM : cohérence de 0,97 contre un plafond de 0,30 pour les lentilles
Nouvelle méthode lisant les états cachés via les couches restantes du modèle. Sur SmolLM3-3B et OLMo3-7B : 0,97 de cohérence, contre 0,30–0,35 au mieux pour les lentilles fixes.
ACT3D apprend aux VLM à explorer les scènes 3D et devance Gemini 3.6 Flash : 53,2% sur six benchmarks
Le modèle ACT3D, basé sur Qwen, apprend par RL à se déplacer dans une scène 3D et à choisir lui-même ses angles de vue : 53,2% en moyenne sur six benchmarks, avec 50–70% d'images en moins.
EvoWeb teste les agents de codage sur 320 requêtes successives portant sur 32 applications web
Le nouveau benchmark EvoWeb oblige les agents IA à construire une application étape par étape. Leur principal point faible : intégrer les nouvelles fonctions au code déjà écrit.
Librarian Agents : des LLM préparent l'espace de travail à l'avance et gagnent 33 points de pourcentage sur BrowseComp-Plus
Un agent bâtisseur organise à l'avance le corpus en système de fichiers, un second agent répond aux questions. +33 points de pourcentage sur BrowseComp-Plus, +31 en moyenne sur BRIGHT.
OmniXRef réunit texte, photo et vidéo dans un seul éditeur de clips
OmniXRef accepte un nombre quelconque de références texte, image et vidéo, et transfère cinq types d'attributs : caméra, mouvement, contenu, style et VFX. Ses auteurs affirment battre les modèles commerciaux.
GlobeBench : le meilleur LLM ne prédit la réponse de l'environnement que dans 49,57% des tâches
GlobeBench (1632 tâches) : le meilleur des 20 modèles, GPT-6 Astra, ne simule correctement la réponse de l'environnement que dans 49,57% des cas. 631 tâches n'ont été résolues par aucun.
TabWM apprend à prédire les modifications d'une base de données : le F1 passe de 0,016 à 0,685
À partir de 64 exécutions, TabWM prédit comment une action modifiera la base relationnelle d'un système inconnu : F1 complet de 0,685 sur les modifications, contre 0,016 sans contexte.
Intact fait chuter le taux de réussite des prompt injections contre les agents de navigation de 73,1% à 12,8%
La nouvelle architecture Intact isole les éléments d'une page web et suit leur origine. Sur 1 091 pages piégées, 12,8% des attaques passent, contre 73,1% pour un planificateur classique.
Dream2Discern prédit les défaillances des systèmes multi-agents avec plus de 90% de précision
L'auditeur Dream2Discern apprend sur les variantes latentes « difficiles » de trajectoires déjà enregistrées et dépasse 90% de précision sur AFTraj-2K et StepShield, sans nouvelle exécution.
OfficeTown simule 23 organisations et entraîne des agents au travail de bureau sur 406 tâches
Des chercheurs présentent OfficeTown, une simulation générative de bureaux d'où est issu un benchmark de 406 tâches et 4 836 critères. Qwen3.5-9B progresse nettement sur GDPval.
Benchmark SciΠvot : le meilleur LLM choisit le bon plan dans 63,5% des cas, contre 73,4% pour les humains
Sur 248 corrections de chercheurs seniors, le meilleur modèle choisit la bonne solution dans 63,5% des cas, contre 73,4% pour un chercheur au regard neuf. Le contexte du projet les gêne plutôt.
ARC-SORT atteint 81,82 HOTA sur SportsMOT et tourne à 50 fps
Le tracker ARC-SORT, sans entraînement, atteint 81,82 HOTA sur SportsMOT avec le moins de changements d'ID parmi 69 entrées, à environ 50 images/s sur une RTX 3060 pour portable.
Une nouvelle revue passe en revue l'IA humanitaire : six tâches, de la météo aux réfugiés
Une revue publiée sur Hugging Face Daily Papers présente l'IA comme outil pour six tâches humanitaires : météo, énergie, forêts, pauvreté, dégâts après catastrophe et migrations.
Xiaomi-Lens-0 (4B de paramètres) devance Qwen3.5 de 5,6 points sur RefCOCO
Xiaomi lance Lens-0 : un modèle 4B basé sur Qwen3.5 qui dessine des masques à partir de ses propres latents visuels, gagne 5,6 points sur RefCOCO et affiche le meilleur cIoU.
MTEdit : 500 000 trajectoires de retouches pour apprendre aux modèles à ne pas perdre en qualité en 8 étapes
Des chercheurs ont constitué MTEdit, un jeu de 500 000 retouches d'images multi-étapes, et ont affiné Qwen-Image-Edit : le meilleur résultat parmi les modèles ouverts.