L'agent Arbiter utilise l'apprentissage par renforcement pour transformer la vérification de code en un processus de diagnostic exécutable, augmentant la précision des verdicts de plus de 15 points.
Avec son modèle multimodal « Le Chonk », Mistral mise sur une architecture Mixture-of-Experts et une attention parcimonieuse pour offrir des performances de pointe en cybersécurité.
IBM déploie la version 4.1.1 de Granite Switch, une mise à jour qui mise sur la compatibilité ascendante et la spécialisation des modèles via des adaptateurs sans toucher au modèle de base.
Le nouveau modèle open-weight de NVIDIA regroupe transcription, traduction et attribution d'orateurs dans un seul checkpoint, affichant des performances de pointe sur les benchmarks open-weight.
Le framework InsightAgents utilise des graphes de littérature pour nourrir un débat entre agents spécialisés, cherchant ainsi à ancrer la génération d'idées scientifiques dans la réalité des publications existantes.
Avec sa nouvelle génération de modèles de fondation LFM3, Liquid AI délaisse l'approche monolithique pour une architecture modulaire capable de gérer texte, vision et audio via un noyau unique de 2 milliards de paramètres.
OpenAI a lancé GPT-6.1 Terra, un modèle axé sur la capacité d'agir directement dans les applications et de comprendre l'interface utilisateur.
Face à l'émergence d'attaques menées par des agents IA, la plateforme open-source Argus propose une approche de défense par canaries et un contrôle strict des actions automatisées.
Une étude montre que les modèles de langage les plus avancés utilisent des structures syntaxiques et des marqueurs lexicaux qui augmentent la difficulté de lecture pour l'humain.
En organisant la littérature par facettes (problème, contribution, évaluation), le système LitPivot permettrait de mieux ancrer les idées de recherche que le duo classique éditeur de texte et chat IA.
Le nouveau modèle OlmoEarth v1.3 convertit les données satellites mondiales en embeddings compacts, permettant de créer des cartes thématiques avec un simple classifieur léger.
Microsoft et Hugging Face présentent ThinkingBox, une méthode de post-entraînement qui récompense l'agent sur le résultat final en base de données plutôt que sur la justesse de ses appels d'outils.