Aller au contenu
30 octobreven.
  1. Adafruit Blog58

    Une équipe de l'Université nationale de Singapour tisse un écran tactile dans un vêtement

    Une équipe du College of Design and Engineering de l'Université nationale de Singapour a réalisé un écran tactile tissé dans un vêtement.

    Motif de la recommandation :Un écran tactile tissé dans un vêtement avec ses chiffres clés, sa résistance au lavage et ses limites de fonctionnement.

29 octobrejeu.
28 octobremer.
  1. Adafruit Blog92

    OpenAI annonce trois résultats de ses modèles internes en mathématiques, informatique et physique

    OpenAI a annoncé trois résultats produits par ses modèles internes en analyse harmonique.

    Motif de la recommandation :Les modèles internes d'OpenAI produisent des résultats en analyse harmonique, théorie de la complexité et théorie quantique des champs, avec des vérificateurs externes et des artefacts publics.

  2. Adafruit Blog58

    Ken Shirriff analyse l'addition et la soustraction en virgule flottante dans la puce Intel 8087

    Ken Shirriff a publié une analyse du fonctionnement de l'addition et de la soustraction en virgule flottante dans le coprocesseur arithmétique Intel 8087. Cette puce de 1980 accélérait le calcul flottant dans l'IBM PC et d'autres systèmes, l'addition y étant environ 100 fois plus rapide que l'émulation sur le 8086. Shirriff a ouvert une puce au burin et photographié la matrice au microscope : la ROM de microcode, au centre, contient 1648 micro-instructions, tandis que la moitié inférieure de la matrice abrite le chemin de données, construit autour d'un additionneur entier de 69 bits, d'un décalage pouvant déplacer une valeur de 68 bits d'un nombre quelconque de positions, d'un circuit de détection de zéros de tête et d'un convertisseur d'exposant. L'article détaille pas à pas le microcode : alignement des points binaires, choix entre addition et soustraction non signées selon les signes des arguments, normalisation du résultat et ajustement de l'exposant. Il traite aussi les cas particuliers de l'infini, du Not-a-Number, des dénormaux, des pseudo-zéros et des zéros positif et négatif. Shirriff a travaillé avec des membres de l'Opcode Collective, qui ont extrait le microcode des images de la ROM.

    Motif de la recommandation :L'analyse du die et du microcode du 8087 montre concrètement comment l'addition flottante était implémentée dans ce coprocesseur de 1980.

  3. Adafruit Blog60

    Le compilateur JIT expérimental de Python va être retiré de CPython

    Le compilateur JIT expérimental de CPython est en cours de retrait, rapporte LWN.net. Le JIT avait été intégré à CPython en 2024 pour la version 3.13.

    Motif de la recommandation :Le retrait du JIT expérimental de CPython et le contexte de la PEP 836 permettent de comprendre les critères de maintenance exigés pour l'optimisation du runtime.

  4. Google Research62

    Google Research propose le cadre sleep pour l'apprentissage continu des LLM

    Google Research présente un cadre sleep qui alterne interaction active et consolidation hors ligne pour permettre aux LLM d'acquérir de nouvelles connaissances sans oubli catastrophique. Le modèle débloque des blocs MoE préalloués et met à jour ses poids à partir d'exemples auto-générés, avec consolidation mémoire puis phase de dreaming pour sélectionner les échantillons utiles. Les évaluations montrent une rétention de contexte jusqu'à 10M tokens sur BABILong, 48,9% en incorporation de faits sur SQuAD et 79,2% sur AIME 24.

    Motif de la recommandation :Le cadre sleep expose une méthode concrète pour l'apprentissage continu des LLM, avec des résultats sur la traduction, le contexte long et le raisonnement.

27 octobremar.
  1. Adafruit Blog58

    Un astronome amateur utilise l'IA pour repérer une possible exoplanète cachée

    Pavel Rabtsevich, chef de produit basé en Espagne, a utilisé des agents IA pour analyser plus de 126 000 étoiles observées par TESS et a signalé TIC 4206066.

    Motif de la recommandation :Un cas concret montre comment des agents IA ont été appliqués à des données publiques de la NASA, avec les réserves méthodologiques de l'auteur.

26 octobrelun.
25 octobredim.
  1. Adafruit Blog73

    ESauron détecte et localise les caméras espionnes cachées via le rayonnement électromagnétique de la mémoire

    Des chercheurs de l'Université du Hunan, de l'UC San Diego et de la Michigan State University ont présenté ESauron à USENIX Security '24.

    Motif de la recommandation :Le mécanisme de détection par rayonnement électromagnétique de la mémoire et les résultats sur 50 produits de caméra permettent de comprendre une voie de détection hors réseau.

24 octobresam.
23 octobreven.
  1. Hugging Face Blog62

    Transformer la notation de bases de données en récompense RL : Microsoft et Hugging Face entraînent des agents avec ThinkingBox

    Microsoft et Hugging Face publient ThinkingBox-Training sur GitHub.

    Motif de la recommandation :Le texte détaille la sélection de tâches par difficulté relative à la politique et la boucle de récompense par état final, transférables à d'autres entraînements d'agents.

  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.

22 octobrejeu.
  1. Hugging Face Blog78

    NVIDIA publie Kumo Relational, un modèle de fondation relationnel pré-entraîné sans entraînement spécifique

    NVIDIA publie Kumo Relational, un modèle de fondation relationnel pré-entraîné qui prédit directement sur les bases de données d'entreprise en une seule passe avant.

    Motif de la recommandation :Le modèle pré-entraîné prédit directement sur les bases relationnelles sans entraînement spécifique, avec des résultats comparés aux pipelines supervisés et un accès open source.

  2. Hugging Face Blog60

    VocabX : spécialiser le vocabulaire des petits modèles réduit le coût d'inférence de 77 %

    Dharma-AI présente VocabX, une méthode qui reconstruit le vocabulaire d'un modèle spécialisé selon le coût de chaque token plutôt que sa fréquence.

    Motif de la recommandation :L'article détaille le critère de sélection du vocabulaire pondéré par le coût et les résultats mesurés sur un correcteur de copies en production, utile pour évaluer les leviers de coût d'inférence des petits modèles spécialisés.