Aller au contenu
30 septembremer.
  1. Latent Space88

    OpenAI DevDay 2026 : Dots, GPT-6.1 Sol, Ultrafast, Decisions API et 1,2 milliard d'utilisateurs hebdomadaires de ChatGPT

    Lors du DevDay 2026, OpenAI a présenté Dots, des agents toujours actifs propulsés par GPT-6 Astra.

    Motif de la recommandation :Récapitulatif compact des annonces DevDay d'OpenAI et des évaluations indépendantes, utile pour situer les capacités et les prix des nouveaux modèles.

29 septembremar.
24 septembrejeu.
22 septembremar.
17 aoûtlun.
10 aoûtlun.
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.

1 juinlun.
4 mailun.
  1. Import AI42

    Import AI 455 : les systèmes d'IA vont bientôt se construire eux-mêmes

    Selon Import AI, il existe une probabilité supérieure à 60 % qu'une R&D en IA sans intervention humaine — un système capable de construire autonome son propre successeur — advienne d'ici fin 2028. Sur SWE-Bench, le meilleur score est passé d'environ 2 % pour Claude 2 fin 2023 à 93,9 % pour Claude Mythos Preview, saturant le benchmark. L'horizon temporel des tâches réalisables par les IA est passé d'environ 30 secondes avec GPT 3.5 en 2022 à environ 12 heures avec Opus 4.6 en 2026, Ajeya Cotra (METR) jugeant raisonnable d'atteindre environ 100 heures d'ici fin 2026.

12 févrierjeu.
  1. Hugging Face Blog60

    OpenEnv en pratique : évaluer les agents utilisant des outils dans des environnements réels

    Hugging Face et Meta présentent OpenEnv, un framework open source qui évalue les agents IA contre de vrais systèmes plutôt que des simulations.

    Motif de la recommandation :L'article détaille le framework OpenEnv et le benchmark Calendar Gym, avec des chiffres concrets sur les limites des agents et des cas d'erreur d'appel d'outils réutilisables.

21 octobrelun.
19 aoûtlun.
23 juilletmar.
24 maiven.
18 avriljeu.
  1. Hugging Face Blog88

    Meta publie Llama 3, la nouvelle génération de LLM open source

    Meta publie Llama 3, la nouvelle génération de sa famille de LLM open source, disponible sur Hugging Face en versions 8B et 70B.

    Motif de la recommandation :L'article détaille les spécifications de Llama 3, les intégrations dans l'écosystème Hugging Face et les méthodes de déploiement, ce qui permet de comprendre les capacités du modèle et les options d'utilisation.

29 févrierjeu.
19 janvierven.
7 novembremar.
28 septembrejeu.
26 septembremar.
  1. Hugging Face Blog32

    Llama 2 sur Amazon SageMaker : un benchmark

    Hugging Face a publié un benchmark de plus de 60 configurations de déploiement de Llama 2 sur Amazon SageMaker avec le Hugging Face LLM Inference Container. Les tests couvrent les tailles 7B, 13B et 70B sur des instances g5.2xlarge, g5.12xlarge, g5.48xlarge (NVIDIA A10G) et p4d.24xlarge (NVIDIA A100 40GB), avec 1, 5, 10 et 20 requêtes simultanées, en comparant notamment la quantification GPTQ 4-bit. Les recommandations distinguent le déploiement le plus économique, le meilleur débit et la meilleure latence ; le code, les données brutes et le tableur sont publiés sur GitHub.

13 septembremer.
25 aoûtven.
  1. Hugging Face Blog88

    Code Llama : Llama 2 apprend à coder

    Hugging Face annonce l'intégration de Code Llama, une famille de modèles ouverts dérivés de Llama 2 spécialisés sur le code.

    Motif de la recommandation :Présente les trois tailles de Code Llama, la fenêtre de contexte étendue et l'intégration complète dans l'écosystème Hugging Face.

8 aoûtmar.
  1. Hugging Face Blog62

    Fine-tuner Llama 2 avec DPO dans la bibliothèque TRL

    Hugging Face présente l'implémentation de la méthode Direct Preference Optimization (DPO) dans la bibliothèque TRL et montre comment fine-tuner le modèle Llama 2 7B sur le jeu de données de préférences Stack Exchange. DPO remplace l'étape de modélisation de récompense et l'optimisation RL de RLHF par un objectif de vraisemblance directe optimisé via une simple perte d'entropie croisée binaire, en s'appuyant sur une correspondance analytique entre la fonction de récompense et la politique RL optimale. Le tutoriel détaille le pipeline complet : SFT avec QLoRA sur Llama 2 7B, préparation des données de préférence au format prompt/chosen/rejected, puis entraînement avec DPOTrainer en configurant le paramètre beta (0,1 à 0,5). Le code source des scripts d'entraînement est disponible dans le répertoire examples/stack_llama_2 et le modèle entraîné est publié sur le Hub Hugging Face.

    Motif de la recommandation :Le tutoriel détaille l'implémentation de DPO dans TRL et le fine-tuning de Llama 2, avec le code et les métriques de suivi.

4 aoûtven.
18 juilletmar.
  1. Hugging Face Blog88

    Llama 2 est disponible sur Hugging Face

    Meta publie Llama 2, une famille de grands modèles de langage open access de 7B à 70B paramètres.

    Motif de la recommandation :Présente l'intégration complète de Llama 2 dans Hugging Face, avec les modèles, l'inférence et le fine-tuning, utile pour évaluer les options de déploiement.

17 juilletlun.
19 juinlun.
5 avrilmer.