Google / Gemini Dernières actualités

Motif de la recommandation :Google Research détaille une méthode d'extraction de données de vérité terrain et un modèle LSTM pour prévoir les crues éclair urbaines 24 h à l'avance.

Motif de la recommandation :L'article détaille une méthode d'extraction de données historiques à partir d'articles de presse avec Gemini et fournit des chiffres de validation concrets.

Motif de la recommandation :L'étude détaille le déploiement réel d'AMIE en soins primaires, avec des chiffres de sécurité et de précision diagnostique qui éclairent les limites d'un agent conversationnel médical.

Motif de la recommandation :L'article détaille la composition et les licences d'un corpus vocal multilingue, utile pour évaluer la couverture des langues à faibles ressources.

Motif de la recommandation :Le tarif, la vitesse et les benchmarks du modèle sont fournis, ce qui permet de juger son intérêt pour les charges à haut volume.

Motif de la recommandation :Le score vérifié sur ARC-AGI-2 et la liste des produits où 3.1 Pro est déployé permettent de situer le gain de raisonnement par rapport à 3 Pro.

Motif de la recommandation :Lyria 3 est déployé dans l'application Gemini en beta avec génération de pistes de 30 secondes à partir de texte ou d'images, ce qui permet de situer les capacités musicales grand public de Google.

Motif de la recommandation :L'article détaille un pipeline de génération de données synthétiques pour l'apprentissage du tracé d'itinéraires sur cartes, avec des résultats chiffrés sur MapBench.

Motif de la recommandation :L'original expose les scores de Deep Think sur HLE, ARC-AGI-2 et Codeforces, ainsi que son ouverture via l'API Gemini, ce qui permet de situer le mode de raisonnement spécialisé de Gemini 3.

Motif de la recommandation :L'article détaille l'agent de recherche mathématique Aletheia et les recettes de collaboration humain-IA, avec des cas concrets en mathématiques, physique et informatique.

Motif de la recommandation :L'original expose le passage de la simulation à un essai randomisé national en soins virtuels réels, avec les étapes de recherche qui le précèdent.

Motif de la recommandation :Le prototype détaille trois capacités concrètes et les limites connues du modèle Genie 3, utile pour situer l'état réel des world models.

Motif de la recommandation :Une évaluation contrôlée de 180 configurations quantifie quand les architectures multi-agents aident ou nuisent, avec un modèle prédictif pour choisir la coordination.

Motif de la recommandation :L'article présente l'architecture unifiée de D4RT et son efficacité jusqu'à 300 fois supérieure, utile pour évaluer les pistes de déploiement en robotique et en RA.

Motif de la recommandation :L'original détaille les nouvelles capacités d'imagerie médicale 3D et les benchmarks de MedGemma 1.5 4B, ainsi que le modèle vocal MedASR, ce qui permet de situer les progrès sur l'imagerie médicale de haute dimension.

Motif de la recommandation :L'original détaille les améliorations de cohérence des personnages et des arrière-plans ainsi que les sorties verticales natives, ce qui permet de juger de l'impact sur les flux de création vidéo mobile.

Motif de la recommandation :L'article détaille comment NeuralGCM apprend la paramétrisation des précipitations à partir d'observations satellitaires, avec des écarts chiffrés face aux modèles opérationnels.

Motif de la recommandation :L'original expose les scores de Gemini 3 Flash sur GPQA Diamond, SWE-bench Verified et MMMU Pro ainsi que son prix, ce qui permet de situer le compromis vitesse-coût par rapport à Gemini 3 Pro.

Motif de la recommandation :L'original expose la couverture complète de Gemma Scope 2 sur la famille Gemma 3 et les techniques d'entraînement employées, ce qui permet de situer les outils d'interprétabilité disponibles pour l'audit des modèles.

Motif de la recommandation :L'original expose le fonctionnement et les retours d'utilisation d'un outil d'évaluation par IA sur des articles de théorie informatique, avec des données de satisfaction concrètes.