MiniMax : une nouvelle version attendue d’ici dix jours
MiniMax, acteur de l’IA, annonce une nouvelle version de son modèle d’ici dix jours, soulevant des interrogations sur sa taille.
LLM
mlx-Chronos : un benchmark communautaire pour LLM sur Apple Silicon
Un étudiant a créé mlx-Chronos, un outil open source et un classement communautaire pour évaluer de manière standardisée les moteurs d’inférence de LLM sur les puces Apple Silicon.
Fondements théoriques du consensus LLM pour l’estimation probabiliste
La communauté de l’IA s’interroge sur les bases théoriques de l’utilisation du consensus de grands modèles de langage (LLM) pour estimer les probabilités d’événements réels.
Reddit, pilier caché de l’IA générative selon son CEO
Le PDG de Reddit revendique le rôle central de sa plateforme dans l’entraînement des IA génératives, la qualifiant de source majeure.
Les « odeurs » des LLM : identifier les problèmes des applications d’IA
Un article récent identifie les « odeurs » (smells) courantes dans les applications basées sur les grands modèles de langage (LLM), signalant des problèmes sous-jacents.
Social Sim’26 : la fidélité des simulations LLM au cœur des débats
Le 2e atelier Social Sim’26, organisé lors de COLM’26, lance un appel à contributions axé sur la fidélité et l’évaluation rigoureuse des simulations sociales basées sur les grands modèles de langage.
Gemma-4-Harmonia-31B-Uncensored-Heretic : un nouveau modèle fusionné
Un nouveau modèle de langage, le Gemma-4-Harmonia-31B-Uncensored-Heretic, issu de la fusion de plusieurs affinements du Gemma-4-31B-it, est disponible.
Hugging Face optimise la synchronisation des modèles massifs avec Delta Weight Sync
Hugging Face a introduit le « Delta Weight Sync », une méthode innovante pour synchroniser efficacement les modèles de langage massifs en ne transférant que les modifications.
Des agents IA locaux s’auto-optimisent grâce aux conversations
Une nouvelle méthode permet aux agents IA locaux d’améliorer leurs performances en analysant et réécrivant leurs propres conversations.
Norvège : 2 Po de stockage Huawei pour l’entraînement de LLM
La Norvège déploie 2 Po de stockage Huawei pour entraîner ses propres grands modèles linguistiques.