183 matériaux
Les chercheurs ont présenté un modèle de langage médical universel, entraîné sur 20 000 dossiers cliniques réels. Dans le benchmark MedBench-Hard, il a obtenu des résultats supérieurs à GPT-4o en chinois et comparables à GPT-4 dans les scénarios anglophones.
Le framework permet de ne pas entraîner le modèle pour chaque tâche spécifique : les requêtes complexes sont décomposées en modules interprétables, exécutés par des modèles spatio-temporels et des LLM. Cette approche fournit des résultats numériques vérifiables et leurs explications, réduisant le risque d'hallucinations, et lors des tests, elle surpasse nettement les LLM de référence classiques.
Anthropic alloue 5 millions de dollars à des équipes indépendantes : elles étudieront comment les modèles influencent l'état émotionnel des utilisateurs et publieront leurs méthodologies d'évaluation en accès libre. Le programme offre également un accès aux modèles et une assistance technique, et les candidatures des chercheurs sont acceptées jusqu'au 21 septembre.
Le nouveau framework ScienceFlow aide les agents IA à ne pas perdre leur objectif dans des tâches de recherche de plusieurs heures : le travail est découpé en segments récupérables, et les ressources sont réparties en fonction des progrès réellement confirmés. Sur MLE-bench, il a obtenu le meilleur résultat parmi les approches publiées.
Les chercheurs proposent d'envisager le domaine Text-to-SQL comme un classement consolidé, où les résultats sont répartis selon le degré d'autonomie du modèle lors de la génération de requêtes SQL. Ils effectuent des mesures sur Spider et montrent que les succès ne se transfèrent pas toujours à d'autres benchmarks, et que l'autonomie offre une certaine robustesse, mais exige des ressources de calcul considérables.
Des ingénieurs du Massachusetts Institute of Technology ont créé un outil d'IA qui génère des scénarios météorologiques extrêmes absents des archives d'observations. Le modèle évalue leur intensité, leur durée et leur étendue possibles sans apprentissage sur les données de catastrophes passées.
Les auteurs de ce nouveau travail soutiennent que les systèmes scientifiques autonomes devraient s'appuyer sur des signaux denses de progrès intermédiaire, comme le font les fuzzers, plutôt que sur un seul résultat final rare. Cette approche permet à l'agent d'explorer des hypothèses non conventionnelles et d'éviter le surapprentissage sur le benchmark.
Dans un article pour ISWC 2026, les auteurs ont présenté un outil qui mesure la capacité des LLM à transformer des requêtes ordinaires en contraintes SHACL valides, en tenant compte du fait que les mêmes règles peuvent se présenter sous différentes formes. Les tests sur quatre modèles ont montré qu'ils maîtrisent facilement la syntaxe, mais échouent souvent à saisir la sémantique des contraintes complexes.
Les chercheurs ont découvert que les méthodes standard de désapprentissage des LLM se brisent facilement lors d'un réentraînement sur un petit nombre d'exemples oubliés. Leur technique proposée, Margin Calibration, ajoute une pénalité de marge non saturante et réduit nettement le succès de telles attaques sur différents modèles et ensembles de données.
