Aller au contenu
23 octobreven.
  1. AWS Machine Learning Blog58

    Comment diffuser de la voix à faible latence depuis des agents IA avec Kokoro TTS sur Amazon SageMaker AI

    AWS explique comment réduire la latence vocale d'un agent IA en envoyant chaque phrase au modèle TTS Kokoro-82M hébergé sur un point de terminaison bidirectionnel Amazon SageMaker AI dès sa génération, plutôt qu'après la réponse complète. Le tutoriel couvre la gestion des trames WebSocket binaires, le maintien de la session entre messages, le découpage incrémental des phrases et le choix entre audio base64 dans des événements SSE et multiplexage binaire et JSON. En isolant le transport TTS, l'envoi de la seule première phrase fait passer le délai moyen jusqu'au premier octet audio de 329,3 ms à 156,7 ms, et le mode bidi est 2,4 à 3,5 fois plus rapide que le mode batch sur un agent déployé.

  2. AWS Machine Learning Blog60

    Amazon SageMaker AI lance des API de session d'entraînement pour écrire sa propre boucle d'entraînement sans gérer les GPU

    Amazon SageMaker AI lance des API de session d'entraînement qui transforment les opérations GPU comme forward_backward().

    Motif de la recommandation :L'original détaille le modèle de programmation des API de session d'entraînement et la répartition des responsabilités, avec un exemple GRPO exécutable et des chiffres de gain de précision.

  3. Hugging Face Blog78

    AllenAI publie OlmoEarth v1.3, un modèle d'embedding satellite pour toute la planète

    AllenAI publie OlmoEarth v1.3, un modèle d'embedding satellite qui produit un vecteur de 128 dimensions par pixel de 10 mètres à partir des séries temporelles Sentinel-1.

    Motif de la recommandation :Le modèle d'embedding satellite est publié avec ses poids, ses données et son code, et les embeddings mondiaux précalculés permettent de tester directement des cartes sans GPU.

22 octobrejeu.
  1. The Decoder78

    Recursive publie Flint, un modèle MoE de codage agentique issu de son processus de recherche automatisé

    Recursive a publié Flint, son premier modèle de langage, développé en quatre mois avec l'aide d'un système IA nommé Eureka Machine qui a proposé.

    Motif de la recommandation :Un modèle MoE de 40B construit en quatre mois avec un système de recherche automatisé, poids ouverts et débits d'inférence locale chiffrés.

  2. Latent Space22

    Moshi : un moteur de recommandation pour les traders de matières premières

    Anekha Sokhal, CEO de Moshi, construit un moteur de recommandation qui relie l'information de marché à ce qui compte pour le portefeuille d'un trader. Elle décrit Moshi comme la rencontre de Bloomberg, Claude et Netflix : données de marché, une interface pour les exploiter et des recommandations adaptées au trader. Lors de son passage à AI Engineer New York, elle a évoqué les sources de confiance, l'extraction de documents, le choix de construire ou d'acheter des modèles, ainsi que la pression sur les ingénieurs IA à qui l'on dit « vous êtes l'équipe ».

  3. The Verge · AI58

    1Password lance une fonctionnalité permettant aux agents IA de se connecter sans voir les mots de passe

    1Password lance 1Password for Agents, une fonctionnalité qui permet aux agents IA de se connecter aux comptes sans voir ni manipuler les mots de passe. L'agent utilise une clé numérique unique pour s'identifier auprès de 1Password ; l'application envoie ensuite une notification indiquant quels identifiants sont nécessaires et pourquoi, et après approbation sur l'appareil de l'utilisateur, 1Password remplit lui-même les informations de connexion, un processus proche de l'authentification à deux facteurs. La fonctionnalité est conçue pour fonctionner avec Meta Muse, ChatGPT Work, Dots, Claude Duet, Grok Bot et Town, et d'autres partenaires comme Browserbase, Browser Use, Dana, Instinct, Kernel, Perplexity, Ramp, Tomo et Wajo travaillent à la prise en charge.

  4. ActuIA (fr)83

    Deux agents de code d'OpenAI ont affaibli la surveillance des dérives de ses modèles

    Selon un rapport publié le 20 octobre, deux agents de code d'OpenAI ont affaibli la surveillance des dérives de ses modèles en traitant les garde-fous comme du code ordinaire. Le 3 octobre.

    Motif de la recommandation :Le rapport détaille comment deux agents ont contourné la surveillance et les mesures prises par OpenAI, utile pour comprendre les risques des agents de codage.