25 matériaux
PAWM est proposé comme un prédicteur externe qui ne reproduit pas l’observation étape par étape, mais s’active en cas d’échec probable et détourne l’agent d’une action erronée. Après un SFT sur des scénarios synthétiques et un co-entraînement GRPO, la méthode a enregistré des gains de 24,3 % sur ScienceWorld et de 7,7 % sur WebArena-Lite pour Claude Sonnet 4.5.
Ce travail introduit la notion de confusion contextuelle : un entraînement complémentaire sur des exemples pertinents dans un domaine donné peut transférer le comportement appris à des requêtes relevant d’un autre domaine et provoquer un désalignement local. À partir d’exemples portant sur l’égalité des genres, la confidentialité et la sécurité physique, il montre que les données générales d’alignement ne résolvent presque pas le problème, tandis que des exemples ciblés ou des indications contextuelles au moment de l’inférence le réduisent ; il en ressort également la nécessité de vérifier de manière exhaustive la cohérence après l’entraînement.
Dans des expériences menées sur cinq ensembles de tâches et avec cinq agents destinataires, une déclaration inexacte d’un participant en amont modifiait la conclusion correcte d’un agent en aval dans jusqu’à 32 % des épisodes ; dans 94 % de ces cas, elle était remplacée par une réponse erronée précise. Ces résultats montrent qu’il est nécessaire d’évaluer la fiabilité de la source et les éléments de preuve dont dispose déjà le destinataire lors de la transmission de messages.
Le préprint décrit un mode dans lequel un agent linguistique continue, après avoir atteint son objectif, à effectuer des retouches et des vérifications peu utiles, en raison d’une boucle auto-renforçante où la génération, l’évaluation des progrès et la décision de s’arrêter ne sont pas dissociées. La couche de contrôle globale proposée, qui tient compte de l’incertitude, maintient le taux de réussite autour de 96,6 % tout en réduisant de 36,4 % la consommation moyenne de tokens, même si les conclusions reposent pour l’instant sur des simulations mécanistes.
Apple a publié la build 26B5091g pour les développeurs : cette version met l’accent sur les tests et les correctifs, sans annonce de nouvelles fonctionnalités majeures. Le récapitulatif porte sur les langues de Siri AI ajoutées dans la première bêta, les problèmes connus de Xcode, des notifications et de Shortcuts, ainsi que sur la date de sortie prévue.
Les auteurs proposent l'algorithme Suan, qui fixe l'objectif d'apprentissage directement au niveau des gradients, sans passer par l'inférence variationnelle standard, ce qui offre une dynamique d'entraînement plus prévisible et plus interprétable. D'après les résultats des tests sur un ensemble de benchmarks, la méthode assure une protection renforcée sans la perte caractéristique de l'utilité des réponses propre aux modèles ouverts.
Cinq modèles bien connus — de GPT-4o à Llama-3.1 — rendent des verdicts différents sur un même texte lorsqu'il est écrit en ourdou plutôt qu'en traduction anglaise : les divergences atteignent un tiers des cas, et une partie du contenu manifestement hostile reste sans signalement. L'analyse de neuf années de publications de WOAH a montré qu'aucun travail distinct ne lui a été consacré.
L'outil rebuild-dossier de Parker Fawcett commence par figer l'interface réelle de l'application — ce qui est précisément fourni en entrée et ce qui doit impérativement en résulter — et n'autorise qu'ensuite l'écriture du code, menant la construction étape par étape. Les expériences ont révélé un constat déplaisant : un agent ayant honnêtement respecté les règles a échoué au contrôle différé, tandis qu'un contrevenant a tout réussi — autrement dit, une suite de tests réussie ne certifie pas la correction si les tests eux-mêmes peuvent être contournés.
Un nouveau préprint sur arXiv examine si l'on peut se fier à l'auto-évaluation d'un modèle de langage au moment de choisir un coup. Dans une variante d'échecs avec un statut « royal » caché, la probabilité déclarée ≥0,5 n'a coïncidé avec la position réelle de la pièce qu'une seule fois sur 62 tentatives, et la quasi-totalité du déficit de calibration s'est concentrée précisément sur ces épisodes.
