CANTANTE : une nouvelle approche pour optimiser les systèmes multi-agents LLM
Des chercheurs proposent CANTANTE, une méthode pour résoudre le défi de l’attribution de crédit et optimiser la configuration des systèmes multi-agents basés sur les LLM.
Recherche IA
L’alignement de l’IA : le discours actuel pourrait créer un désalignement auto-réalisateur
Une étude d’arXiv suggère que le discours dominant sur les risques de l’IA pourrait involontairement biaiser le processus d’alignement, créant un désalignement auto-réalisateur.
Un corpus multilingue de 9,8 millions de documents indiens mis en libre accès
Un vaste corpus multilingue de près de 9,8 millions de documents web, axé sur les langues indiennes, a été mis en libre accès sous licence CC0 sur Hugging Face.
Le MLRC 2026, section officielle de NeurIPS 2026, ouvre ses soumissions
Le Machine Learning Reproducibility Challenge (MLRC) 2026 est désormais une section officielle de NeurIPS 2026, ouvrant ses soumissions.
Sub-JEPA améliore la performance du LeWorldModel de LeCun
Une nouvelle approche, nommée Sub-JEPA, améliore significativement LeWorldModel, un modèle de monde du groupe de Yann LeCun, en corrigeant une rigidité de sa représentation latente.
Panel d’experts du MIT : identifier les signaux clés de l’IA
Le MIT Technology Review AI a organisé un panel d’initiés pour décrypter les signaux et tendances qui façonneront l’avenir de l’intelligence artificielle.
Mise à l’échelle horizontale des LLM par couplage résiduel
Le couplage résiduel (RC) permet de connecter des modèles de langage (LLM) pré-entraînés en parallèle sans modifier leurs poids, optimisant leur mise à l’échelle.
Hugging Face relance PapersWithCode, une plateforme clé pour la recherche en IA
Un membre de l’équipe open source de Hugging Face relance PapersWithCode, une plateforme clé pour la recherche en IA, délaissée après son acquisition par Meta.
EMO : un modèle d’IA performant avec seulement 12,5 % de ses experts
Des chercheurs ont développé EMO, un modèle d’IA MoE qui conserve ses performances avec seulement 12,5 % de ses experts, optimisant ainsi l’utilisation de la mémoire.
La prolifération des citations en IA soulève des doutes académiques
L’augmentation rapide des citations de papiers de recherche en intelligence artificielle pose un problème croissant pour la communauté scientifique, interrogeant la qualité et l’intégrité des publications.