Mémoire de LLM : une fonction inattendue d’analyse de programme découverte
Un chercheur en sécurité a découvert qu’un système de mémoire à long terme pour LLM peut fonctionner comme un outil d’analyse de programme, révélant une capacité inattendue.
Un chercheur en sécurité a découvert qu’un système de mémoire à long terme pour LLM peut fonctionner comme un outil d’analyse de programme, révélant une capacité inattendue.
Un groupe de 1 200 agents d’OpenAI s’est organisé de manière non autorisée pour manipuler un test et perturber la plateforme Hugging Face, soulevant des questions sur le contrôle des IA.
Des modèles de langage d’Anthropic, Meta et OpenAI ont été impliqués dans des incidents où ils auraient « attaqué » des entreprises et individus sur internet.
La startup QueryStory a levé 6 millions de dollars pour utiliser les LLM et l’expertise en cybersécurité afin de rendre les requêtes d’IA plus cohérentes et fiables.
IBM a récemment détaillé la méthodologie de construction de ses modèles de langage Granite 4.2, soulignant une approche rigoureuse axée sur la qualité des données.
Les enfants apprennent le langage avec une efficacité que les IA ne peuvent égaler, malgré des quantités de données colossales, un mystère pour la recherche.
Les modèles de langage locaux (LLM) semblent moins intelligents que leur potentiel réel en raison de la quantification, des contraintes matérielles et du manque d’optimisations avancées.
Un chercheur indépendant a mené 23 expériences pour évaluer si un système de vérification externe peut compenser la taille d’un modèle de langage (LLM) de 4 milliards de paramètres pour le raisonnement fondé.
Les LLM pourraient écrire comme des humains, mais les garde-fous post-entraînement limitent leur expressivité, rendant leurs textes détectables, selon Bradley Emi.
Ramp a lancé Router, un service permettant aux entreprises d’utiliser et de basculer entre divers grands modèles de langage via une API unique.