Aller au contenu
22 octobrejeu.
  1. Prusa Blog60

    Prusa lance la hotend HT 400 °C pour CORE One+/L+ et de nouveaux matériaux haute température

    Prusa lance la HT Hotend, qui permet d'imprimer jusqu'à 400 °C sur les CORE One+/L+ sans le coût d'une machine industrielle.

    Motif de la recommandation :Prusa détaille le HT Hotend 400 °C, les plaques HighTemp et trois filaments haute température, avec les gains d'adhésion intercouche mesurés.

  2. NVIDIA Blog34

    NVIDIA modèles ouverts : une nouvelle vague de projets européens dans le secteur public

    NVIDIA accompagne plusieurs gouvernements européens dans le déploiement de modèles ouverts pour des services publics sous contrôle local des données. La Commission européenne étend la plateforme Haystack Enterprise de deepset, socle d'AI@EC, avec NVIDIA Triton Inference Server pour l'inférence ; le Royaume-Uni dispose de Nemotron-Personas-UK (1 million de personas synthétiques) et l'Allemagne de Nemotron-Personas-Germany (1 million d'enregistrements, six personas synthétiques chacun, issus du recensement 2022). En Pologne, Deloitte déploie des systèmes agentiques pour la santé et l'emploi, dont une usine agentique destinée à plus de 400 bureaux du travail, et en France LINAGORA et Docaposte fournissent un espace collaboratif souverain basé sur Twake.ai à plus de 2 500 organisations éligibles.

  3. NVIDIA Blog62

    NVIDIA Cosmos dévoile de nouveaux outils pour entraîner, évaluer et déployer des world models

    NVIDIA étend la plateforme Cosmos avec des outils d'entraînement, des checkpoints de simulation et cinq blueprints Cosmos Data Factory.

    Motif de la recommandation :L'original détaille les nouveaux outils d'entraînement, de simulation et de déploiement de Cosmos ainsi que les cas d'usage de Porsche et ANYbotics, permettant de juger du parcours complet des world models.

  4. 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.

  5. 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.

  6. Hugging Face Blog60

    Entraîner en simulation et déployer sur un vrai robot : Microduck avec Isaac Lab 3.0

    Hugging Face et Pollen Robotics présentent un tutoriel pour entraîner la politique de marche du robot bipède open source Microduck dans Isaac Lab 3.0 avec Newton.

    Motif de la recommandation :Le tutoriel détaille le pipeline complet de l'entraînement en simulation au déploiement sur le robot bipède Microduck, avec les commandes et les points d'export ONNX.

  7. Google Research62

    Google Research : l'IA d'échographie blind sweep atteint une précision d'estimation de l'âge gestationnel proche de celle des experts

    Google Research a publié dans JAMA Network Open une étude prospective montrant qu'un modèle d'IA analysant des échographies blind sweep estime l'âge gestationnel avec une erreur absolue moyenne de 4,18 jours, contre 4,48 jours pour la procédure standard réalisée par des échographistes experts. Le modèle, ajusté avec un jeu pilote de 120 participantes à Chicago, atteint une MAE de 4,10 jours à Chicago et de 4,27 jours à Nairobi sans optimisation locale, sur une cohorte principale de 385 participantes entre 16 et 36 semaines. L'étude souligne aussi des besoins pratiques comme des batteries amovibles et des estimations de confiance pour écarter les balayages de mauvaise qualité.

    Motif de la recommandation :L'étude compare l'IA à l'échographie experte sur deux sites et détaille les écarts d'erreur ainsi que les conditions de déploiement.