Aller au contenu
3 novembremar.
  1. Simon Willison28

    LLM 0.37 sortie : nouveaux modèles gpt-6.1-sol et gpt-6.1-terra, modèle par défaut gpt-6-luna

    Simon Willison a publié LLM 0.37, avec l'ajout des modèles gpt-6.1-sol et gpt-6.1-terra et une commande `llm openai endpoint add` pour configurer des endpoints compatibles OpenAI. Le modèle par défaut passe à gpt-6-luna, moitié prix du précédent gpt-5.6-luna, et le support des embeddings accepte désormais différents content-type, nécessaire pour Gemini Embedding 2 (texte, audio, images, vidéo). La version intègre des correctifs de 12 contributeurs, presque tous assistés par IA, que Willison traite comme des rapports de bugs avec exemples.

  2. TechCrunch · AI60

    Anthropic déclare dans son dépôt S-1A être proche du seuil de RSI

    Anthropic indique dans son dépôt S-1A révisé que ses estimations internes suggèrent qu'elle pourrait bientôt satisfaire sa propre définition de « progrès dramatiquement accéléré attribuable à l'IA », le seuil de RSI, sans qu'aucun modèle actuel ne l'ait encore dépassé. La société reconnaît avoir déjà utilisé l'IA pour développer de nouveaux modèles dont les sauts de capacités n'ont été identifiés qu'après coup, et affirme vouloir maintenir une supervision humaine dans le développement des modèles de frontière, en envisageant des mises à jour de sa Responsible Scaling Policy.

  3. Hackster.io71

    ETH Zurich développe un contrôleur IA unique pour l'escalade et le franchissement d'obstacles par des robots humanoïdes

    Des chercheurs de l'ETH Zurich ont mis au point un système de contrôle basé sur l'IA qui permet à un robot humanoïde Unitree G1 d'escalader des échelles.

    Motif de la recommandation :L'article détaille la planification de contact par attention et les trois étapes d'entraînement, avec un taux de réussite de 92,5 % en simulation contre 58,8 % pour une approche concurrente.

  4. AWS Machine Learning Blog51

    Construire des agents efficaces par distillation de connaissances sur Amazon SageMaker AI

    AWS explique comment distiller un agent de shopping utilisant un grand modèle en un modèle Qwen3.5-4B via la distillation de connaissances au niveau des séquences (SeqKD) sur Amazon SageMaker AI. Le modèle enseignant GLM-5.3 génère des trajectoires multi-étapes filtrées par le scorer de ShoppingBench, puis l'étudiant est affiné par SFT serverless et évalué sur 324 problèmes retenus. Le taux de réussite absolu moyen passe de 0,297 pour le modèle de base à 0,541 pour l'étudiant distillé, proche des 0,540 du modèle enseignant glouton et des 0,546 d'un modèle frontière de taille moyenne, au prix d'une baisse de 6 à 8 points sur IFEval.

2 novembrelun.
  1. Simon Willison38

    Le Bureau du recensement des États-Unis et la « Super Intelligence »

    Le Bureau du recensement des États-Unis a modifié le libellé de son enquête BTOS pour remplacer « Artificial Intelligence (AI) » par « Super Intelligence or SI » à compter de la collecte du 19 octobre 2026, en application du décret présidentiel 14434. Ce changement fait suite à une première révision du 17 novembre 2025, qui avait déjà remplacé « producing goods or services » par « any of its business functions », rendant les réponses antérieures et postérieures non directement comparables. Selon les données publiées le 22 octobre 2026, environ 40 % des entreprises de 250 salariés et plus déclarent utiliser l'IA dans au moins une fonction, contre environ 12 % en septembre 2025 sous l'ancien libellé ; les premiers résultats intégrant le terme « Super Intelligence » sont attendus le jeudi suivant.