ALTK-Evolve vs ACE : moins de tokens pour la mémoire d'agent
ALTK-Evolve, le système de mémoire agentique de Hugging Face, atteint 89,3 de TGC sur AppWorld avec DeepSeek-V3.2 contre 80.
ALTK-Evolve, le système de mémoire agentique de Hugging Face, atteint 89,3 de TGC sur AppWorld avec DeepSeek-V3.2 contre 80.
Google DeepMind annonce que son modèle WeatherNext Cyclones atteint une précision de pointe pour prévoir la trajectoire.
Motif de la recommandation :Le modèle WeatherNext Cyclones est présenté avec ses performances de prévision et ses poids ouverts, ce qui permet de juger de son intérêt pour la recherche météorologique.
Microsoft Research présente Orchard, un cadre open source pour l'IA agentique à grande échelle.
Motif de la recommandation :Le cadre open source et les recettes d'entraînement par domaine montrent comment de petits modèles ouverts atteignent des scores élevés sur SWE-bench Verified et des benchmarks web.
OpenAI partage de nouveaux résultats sur des problèmes ouverts de longue date en mathématiques et en informatique théorique, avec des avancées en géométrie, en cryptographie et en complexité.
Google Research présente Chain-of-Evidence (CoE), un cadre de vérifiabilité pour la recherche menée par IA.
Deux réglages de l'API ont permis à GPT-5.6 de tripler ses scores sur le benchmark ARC-AGI-3.
OpenAI accorde à 100 000 chercheurs universitaires un accès gratuit aux modèles d'IA les plus avancés de ChatGPT, afin d'accélérer la recherche scientifique, la collaboration et les découvertes.
IBM Research et le Berkeley Sky Lab étendent K-Search, un framework de recherche évolutive de kernels piloté par LLM.
Motif de la recommandation :L'article détaille une couche de traduction CUDA vers MLX et les gains mesurés sur les kernels Attention et Mamba, utile pour évaluer la portabilité des optimisations GPU.
Un nouveau rapport de terrain d'OpenAI montre comment les scientifiques utilisent des agents de codage IA pour moderniser le calcul scientifique.
NVIDIA présente Cosmos-H-Dreams, un simulateur génératif temps réel conditionné par les actions pour la robotique chirurgicale.
De nouvelles recherches d'OpenAI montrent que les utilisateurs de ChatGPT assument des tâches au-delà de leur rôle et redessinent les frontières des métiers. L'étude porte sur la manière dont l'IA élargit le périmètre d'action des travailleurs.
Berkeley AI Research présente ABBEL, un framework qui isole et supervise le contenu des résumés sous forme d'états de croyance en langage naturel.
Google Research présente SymptomAI, un agent conversationnel expérimental d'évaluation des symptômes.
Motif de la recommandation :L'étude compare à grande échelle les diagnostics différentiels d'agents conversationnels à ceux de cliniciens et les recoupe avec des données de wearables.
Google Research a publié dans Nature un cadre d'apprentissage par renforcement où un agent autonome apprend des détections d'erreurs quantiques pour ajuster en continu des milliers de paramètres de contrôle et stabiliser le système pendant le calcul. Sur le processeur supraconducteur Willow, avec une dérive artificielle injectée, ce pilotage par RL a amélioré la stabilité logique du code correcteur d'erreurs d'un facteur 3,5, et un affinage RL après calibration experte a réduit le taux d'erreur logique de 20 % supplémentaires. L'expérience a ramené les erreurs logiques des mémoires quantiques à moins d'une pour mille cycles de correction dans le code de surface et une pour cent dans le code couleur. Des simulations avec des centaines de qubits et des dizaines de milliers de paramètres de contrôle indiquent que le nombre d'itérations d'entraînement RL nécessaires est indépendant de la taille du système.
Motif de la recommandation :L'article détaille un cadre d'apprentissage par renforcement pour la calibration quantique continue et rapporte des gains mesurés sur le processeur Willow.
OpenAI annonce son engagement à faire progresser la science américaine aux côtés du département de l'Énergie et des laboratoires nationaux.
Google DeepMind et Isomorphic Labs ont présenté leur approche conjointe de la biorésilience.
Google Research explique, dans un article présenté à ICLR 2026.
OpenAI présente GPT-Red, un système de red teaming automatisé qui utilise le self-play pour améliorer la sécurité, l'alignement et la robustesse face aux injections de prompt.
Hume présente Real World VoiceEQ, un benchmark conçu pour évaluer la qualité humaine des interactions vocales.
Motif de la recommandation :Le benchmark couvre plus de 40 modèles vocaux et 15 dimensions, avec des données d'évaluation humaine à grande échelle qui permettent de comparer les capacités réelles des systèmes vocaux.
Google Research présente SensorFM, un grand modèle de fondation de capteurs pré-entraîné sur plus de mille milliards de minutes de signaux multimodaux issus de cinq millions de participants consentants, couvrant plus de 100 pays et plus de 20 modèles d'appareils Fitbit et Pixel Watch. Le modèle apprend par reconstruction auto-supervisée avec le cadre Adaptive and Inherited Masking (AIM), qui traite les données manquantes comme un artefact naturel plutôt que de les imputer ou de les écarter. Sur 35 tâches de santé issues de trois études prospectives totalisant 13 985 participants, les sondes linéaires sur les embeddings de SensorFM surpassent la baseline supervisée à caractéristiques d'ingénierie sur 34 tâches, et le plus grand modèle (SensorFM-B) réduit la perte de reconstruction de 31 % par rapport à la plus petite variante, avec un gain moyen de 9 % en AUC sur les tâches de classification et de 21 % en coefficient de Pearson sur les tâches de régression. Un système d'agents LLM collaboratifs et concurrents a exploré plus de 30 000 solutions candidates pour construire des têtes de prédiction, battant une sonde linéaire simple sur 16 des 20 tâches de classification et 12 des 15 tâches de régression. Intégré à un Personal Health Agent, SensorFM a permis des résumés de santé jugés significativement meilleurs que la baseline sur cinq dimensions par un panel de cliniciens, sans différence statistiquement significative avec l'utilisation de mesures de référence réelles.
Motif de la recommandation :L'article détaille un modèle de fondation entraîné sur plus de mille milliards de minutes de données de capteurs, avec des gains mesurés sur 35 tâches de santé.
Une nouvelle analyse d'OpenAI révèle des problèmes dans SWE-Bench Pro, un benchmark de code populaire.
Mistral AI présente Robostral Navigate, un modèle 8B de navigation incarnée qui utilise uniquement une caméra RGB et une instruction en langage naturel pour déplacer un robot dans des environnements complexes. Il atteint 76,6 % de réussite sur R2R-CE validation unseen, soit 9,7 points de plus que la meilleure approche à caméra unique et 4,5 points de plus que le meilleur système utilisant profondeur ou plusieurs caméras. Le modèle est entraîné entièrement en simulation sur environ 2,4 millions de trajectoires issues de 350k scènes, avec une méthode de prefix-caching qui réduit de 22× le nombre de tokens d'entraînement, puis un apprentissage par renforcement en ligne CISPO qui améliore le taux de réussite de 3,2 %. Il fonctionne sur robots à roues, à pattes et volants, et s'adapte à des obstacles réels non vus à l'entraînement.
Motif de la recommandation :Un modèle de navigation incarnée de 8B qui atteint 76,6 % sur R2R-CE avec une seule caméra RGB, avec les détails d'entraînement et de RL.
Google Research publie dans Nature Cities la première étude à grande échelle sur l'utilisation des plateformes de navigation pour améliorer le trafic. Dans 10 grandes villes américaines.
Motif de la recommandation :L'étude quantifie à l'échelle de dix villes l'effet d'un routage coordonné sur la vitesse et les émissions, avec un protocole réutilisable.
Aditya G. Parameswaran (UC Berkeley) et ses collaborateurs identifient trois défis pour les data systems à l'ère de l'inférence quasi gratuite.
Google DeepMind et A24 annoncent un partenariat de recherche inédit.
Mistral AI publie Leanstral 1.5, un modèle gratuit sous licence Apache-2.0 de 119B de paramètres totaux et 6B actifs.
Motif de la recommandation :Leanstral 1.5 est publié sous licence Apache-2.0 avec 6B de paramètres actifs, des scores sur miniF2F, PutnamBench et FATE, et la découverte de bugs inédits.
Le Berkeley Artificial Intelligence Research (BAIR) Lab a mis à l'honneur sa promotion 2026 de docteurs en IA et machine learning.
Hugging Face présente ScarfBench, un benchmark ouvert évaluant les agents IA sur la migration de frameworks Java en entreprise.
La spécialisation des systèmes d'IA est inévitable selon l'article « AI Must Embrace Specialization via Superhuman Adaptable Intelligence » de Goldfeder.
OpenAI présente GeneBench-Pro, un nouveau benchmark évaluant les performances de l'IA en génomique.
DiScoFormer, un Transformer unique à attention croisée, estime en une seule passe avant densité et score d'une distribution sans réentraînement. En 100 dimensions.
Google Research présente une architecture qui greffe la prédiction multi-token (MTP) sur des modèles Gemini Nano v3 gelés.
Motif de la recommandation :L'article détaille comment greffer la prédiction multi-token sur un Gemini Nano v3 gelé, avec une architecture zéro copie et des gains mesurés sur Pixel.
Google Research présente le linear elastic caching.
Google Research montre, dans un article présenté à COLM 2026, que le raisonnement débloque la connaissance paramétrique des LLM.
Hugging Face et Treble Technologies lancent le FFASR Leaderboard.
GPT-5 Pro a aidé à résoudre une énigme d'immunologie vieille de 3 ans.
Mistral publie OCR 4, un modèle d'extraction documentaire qui renvoie, outre le texte.
Motif de la recommandation :Mistral OCR 4 ajoute boîtes englobantes, classification de blocs et scores de confiance, avec auto-hébergement en un conteneur et tarification à la page.
Des chercheurs ont utilisé un modèle de raisonnement d'OpenAI pour aider au diagnostic de maladies rares, identifiant 18 nouveaux diagnostics dans des cas auparavant non résolus.
Hugging Face publie agent-eval, un harnais d'évaluation qui mesure non seulement la réponse finale d'un agent mais aussi le nombre de tours.
Motif de la recommandation :L'article présente un harnais d'évaluation qui mesure le coût d'exécution des agents sur une bibliothèque, avec des résultats contre-intuitifs sur l'effet du CLI et du Skill selon la taille du modèle.
Hugging Face publie une analyse comparative des techniques de fine-tuning paramétrique efficace (PEFT) et conclut que LoRA.
Motif de la recommandation :Les benchmarks comparatifs de la bibliothèque PEFT montrent que LoRA n'est pas toujours le meilleur compromis, avec des chiffres et des configurations transférables.