Aller au contenu
24 septembrejeu.
22 septembremar.
  1. Raspberry Pi Blog62

    Transformer la saisie de texte en actions avec Needle, un LLM de function calling de 14 Mo

    Cactus Compute présente Needle 2, un modèle de function calling de 14 Mo qui transforme des instructions en anglais en actions locales sur un Raspberry Pi 5.

    Motif de la recommandation :Un exemple concret de modèle de function calling de 14 Mo exécuté en local sur Raspberry Pi 5, avec latences et consommation mémoire mesurées.

21 septembrelun.
  1. Hugging Face Blog62

    Hugging Face publie tokenizers v1 : encodage 3 à 30 fois plus rapide que la v0.23

    Hugging Face annonce la release candidate de tokenizers v1, dont le chemin d'encodage est 3 à 30 fois plus rapide que la v0.23 sur un thread avec un Apple M4 Max.

    Motif de la recommandation :L'article détaille les changements d'implémentation de tokenizers v1 et fournit des benchmarks reproductibles, ce qui permet d'évaluer l'impact sur les pipelines d'entraînement et de service.

19 septembresam.
10 septembrejeu.
  1. Hugging Face Blog62

    Async GRPO avec LoRA sur HF Jobs : un bucket, un proxy, sans NCCL

    TRL v1.14 prend en charge l'entraînement d'un adaptateur LoRA dans AsyncGRPOTrainer et ne synchronise que cet adaptateur vers vLLM.

    Motif de la recommandation :L'article détaille une architecture concrète pour entraîner un adaptateur LoRA avec Async GRPO sur des Jobs séparés, avec des chiffres de bout en bout et un diagnostic du goulot d'étranglement.

8 septembremar.
  1. Mistral AI72

    Mistral lève 3 milliards d'euros en série D pour l'IA souveraine à poids ouverts

    Mistral a annoncé une levée de 3 milliards d'euros en série D à une valorisation post-money de plus de 21 milliards d'euros.

    Motif de la recommandation :Le tour de table et la valorisation de Mistral, ainsi que la liste des investisseurs, permettent de situer les moyens engagés pour l'IA souveraine en Europe.

3 septembrejeu.
  1. Hugging Face Blog62

    Entraîner un modèle de code à peindre à l'aquarelle avec TRL et OpenEnv

    L'auteur reproduit en open source l'idée de Surya Narreddi, dont la vidéo de peintures à l'aquarelle générées par un modèle écrivant du JavaScript via p5.brush a dépassé 1.

    Motif de la recommandation :L'auteur reproduit en open source l'entraînement RL d'un modèle de code pour peindre à l'aquarelle, avec pool, environnement et scripts publiés.

1 septembremar.
  1. Microsoft Research62

    Microsoft Research publie GigaPath-Flash et GigaTIME-Flash, des modèles de fondation en pathologie plus efficaces

    Microsoft Research présente GigaPath-Flash et GigaTIME-Flash, deux modèles de fondation en pathologie dérivés de GigaPath et GigaTIME.

    Motif de la recommandation :L'original expose les compromis efficacité-performance et les estimations de temps GPU, ce qui permet de juger si l'analyse à grande échelle devient réalisable.

21 aoûtven.
  1. Hugging Face Blog62

    Liquid AI publie les modèles de draft DSpark pour LFM2.5, jusqu'à 3,2x d'inférence plus rapide

    Liquid AI publie les points de contrôle DSpark draft pour trois modèles de la famille LFM2.5.

    Motif de la recommandation :Liquid AI publie les points de contrôle DSpark pour trois modèles LFM2.5, avec des chiffres de gain de débit sur H100 et MacBook et un support llama.cpp et SGLang dès le premier jour.

14 aoûtven.
11 aoûtmar.
10 aoûtlun.
6 aoûtjeu.
  1. Google DeepMind88

    Google DeepMind publie en open source WeatherNext Cyclones, un modèle de prévision des cyclones

    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.

4 aoûtmar.
21 juilletmar.
  1. Hugging Face Blog62

    Hugging Face et Pollen Robotics publient Grabette, un système ouvert de collecte de données de manipulation robotique

    Hugging Face et Pollen Robotics publient Grabette, un système ouvert et à faible coût pour enregistrer des données de manipulation.

    Motif de la recommandation :Le système complet est ouvert, du boîtier à la chaîne de traitement, ce qui permet de juger du coût et des étapes pour collecter soi-même des données de manipulation.

8 juilletmer.
  1. Mistral AI67

    Mistral AI lance Robostral Navigate, un modèle 8B de navigation incarnée

    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.

7 juilletmar.
2 juilletjeu.
17 juinmer.
  1. Hugging Face Blog88

    Z.ai publie GLM-5.2, modèle phare pour les tâches longue durée avec contexte de 1M tokens

    Z.ai présente GLM-5.2, son nouveau modèle phare pour les tâches longue durée, qui succède à GLM-5.1 et prend en charge un contexte solide de 1M tokens. Il introduit IndexShare.

    Motif de la recommandation :Le modèle phare GLM-5.2 est publié avec un contexte de 1M tokens et des benchmarks de codage longue durée, ce qui permet de comparer les performances des modèles ouverts et fermés.

11 juinjeu.
  1. Google DeepMind78

    Google DeepMind publie DiffusionGemma, un modèle de diffusion de texte 4x plus rapide

    Google DeepMind publie DiffusionGemma, un modèle expérimental open source sous licence Apache 2.0 qui génère le texte par diffusion plutôt que token par token.

    Motif de la recommandation :Un modèle expérimental open source qui échange la qualité contre la vitesse d'inférence locale, avec des compromis clairement exposés.

9 juinmar.
8 juinlun.
  1. Hugging Face Blog76

    Hugging Face place OpenEnv sous gouvernance communautaire pour le RL agentique open source

    OpenEnv, outil de création d'environnements d'exécution agentiques, est désormais coordonné par un comité incluant Meta-PyTorch.

    Motif de la recommandation :OpenEnv passe sous gouvernance communautaire et se recentre sur une couche d'interopérabilité pour les environnements RL agentiques, ce qui éclaire les choix d'outillage des équipes qui entraînent des agents.

4 juinjeu.
  1. Google Research62

    Google Research ouvre son framework d'hydrologie pour la prévision des crues

    Google Research a mis en open source sur GitHub, sous licence Apache 2.0, son framework de modélisation hydrologique.

    Motif de la recommandation :Le cadre d'hydrologie open source et le pipeline d'entraînement permettent aux agences météorologiques de reprendre le modèle Flood Hub et d'y intégrer leurs données locales.

2 juinmar.
27 maimer.
  1. Hugging Face Blog78

    Hugging Face TRL : synchronisation de poids par deltas sparse via Hub Buckets pour l'RL asynchrone

    Hugging Face a fusionné une PR dans TRL qui encode uniquement les éléments modifiés des poids bf16 sous forme de fichier safetensors sparse.

    Motif de la recommandation :Le texte détaille un protocole de synchronisation de poids par deltas sparse via HF Buckets, avec code et architecture, utile pour réduire les coûts de l'RL asynchrone.

22 maiven.
20 maimer.
  1. Hugging Face Blog30

    OlmoEarth v1.1 : une famille plus efficace de modèles d'observation de la Terre

    Hugging Face publie OlmoEarth v1.1, une famille de modèles d'observation de la Terre qui réduit jusqu'à 3x les coûts de calcul tout en conservant les performances d'OlmoEarth v1. La réduction repose sur la fusion des tokens par résolution pour Sentinel-2, ce qui divise par trois le nombre de tokens, au prix d'une modification du pré-entraînement pour éviter une baisse de 10 points sur m-eurosat kNN. Les poids et le code d'entraînement des modèles Base, Tiny et Nano sont disponibles.

19 maimar.
15 maiven.
14 maijeu.
28 avrilmar.
27 avrillun.
24 avrilven.
22 avrilmer.
  1. OpenAI News62

    OpenAI publie Privacy Filter, un modèle à poids ouverts pour détecter et masquer les données personnelles

    OpenAI publie Privacy Filter, un modèle à poids ouverts destiné à détecter et masquer les informations personnelles identifiables (PII) dans du texte, avec une précision annoncée comme état de l'art.

    Motif de la recommandation :Un modèle à poids ouverts d'OpenAI dédié à la détection et à la suppression des données personnelles, avec un point d'entrée concret pour les flux de traitement de texte.

16 avriljeu.
  1. Google Research60

    Google Research présente MoGen, des neurones synthétiques pour accélérer la cartographie cérébrale

    Google Research présente MoGen, un modèle de génération de morphologies neuronales par point cloud flow matching.

    Motif de la recommandation :L'article détaille comment des neurones synthétiques générés par IA réduisent les erreurs de reconstruction et le temps de relecture manuelle, avec des chiffres concrets.