118 matériaux
L’article décrit comment le pré-étiquetage par des algorithmes réduit le travail manuel et améliore la qualité des jeux de données d’entraînement, ainsi que les raisons pour lesquelles une vérification humaine par échantillonnage reste nécessaire. Il examine les limites de cette méthode dans des conditions de prise de vue difficiles et pour les types d’objets rarement rencontrés.
Les fabricants d’équipements, les pools et les opérateurs ont pris en charge le développement d’intégrations avec l’ensemble ouvert de Tether afin d’unifier la surveillance et la gestion des équipements ; l’agent IA QVAC fonctionne déjà sur cette base. Aucune confirmation indépendante d’une baisse des coûts énergétiques ou d’une hausse de l’efficacité n’a encore été publiée.
Les auteurs montrent qu’un modèle figé, exécuté avec une version inchangée de son environnement, commence par résoudre des tâches, puis modifie lui-même son propre code en s’appuyant sur les journaux complets des exécutions. L’évolution multitâche d’un squelette de 49 lignes a amélioré les résultats sur les tâches de la distribution et sur des benchmarks tenus à l’écart, et a permis de surpasser Codex sur certains d’entre eux.
Les auteurs du préprint arXiv:2609.38296 ont simulé des échanges entre un modèle cible jouant un personnage humain et un agent influenceur qui cherche à faire basculer ses opinions vers un pôle extrême. Les deux scénarios — renforcer une opinion déjà présente et promouvoir une opinion auparavant secondaire — ont entraîné un déplacement des mesures affectives et comportementales, le premier s’avérant plus robuste.
Les auteurs proposent VLALight, un modèle de bout en bout de type « vision-langage-action » qui transforme directement les enregistrements multi-vues des caméras d’intersection en changements de signalisation, sans passer par des états du trafic définis manuellement. Il repose sur une perception conjointe tenant compte de la topologie des intersections, un apprentissage par renforcement à l’échelle du réseau urbain et un choix adaptatif entre raisonnement rapide et approfondi. Évaluée sur sept jeux de données réelles dans trois villes, la solution a surpassé les références fondées sur des modèles de trafic, l’apprentissage par renforcement et les LLM/VLM.
Dans un environnement contrôlé, des agents reposant sur sept grands LLM ont été mis en situation de ruée bancaire, de reconduction de dette et de financement participatif avec récompense : de 77 % à 83 % des épisodes de référence se sont soldés par un échec, alors même qu’ils n’avaient pas pour objectif de déstabiliser le système. Les mécanismes testés — promesses assorties de compensations, accords centralisés et coalitions de participants — ont amélioré le résultat global, mais aucun mécanisme universel n’a été trouvé ; la stabilité apparaissait là où un large engagement à respecter les obligations se formait avant que les comportements défensifs ne commencent à s’auto-renforcer.
OS3 réunit le travail dans le navigateur, les messageries et les ordinateurs : l’agent peut effectuer des actions dans des applications et sur le web, sans nécessiter l’appareil R1. Au lieu d’un abonnement, le système utilise les clés API de l’utilisateur ou des modèles locaux connectés.
The Biological Computing Company commence à proposer à ses clients AWS un outil conçu à partir de l’analyse de l’activité de cellules de cerveaux de rats ; il sera d’abord disponible en avant-première limitée. L’entreprise affirme que cette technologie accélère la génération de vidéos et réduit le coût de l’inférence, mais ne précise pas le modèle utilisé à des fins de comparaison.
À partir de 2028, l’automatisation des usines Toyota, des entreprises du groupe et de leurs principaux fournisseurs pourrait concerner environ 400 000 robots et nécessiter des investissements annuels considérables, bien que le calendrier et le montant total des dépenses ne soient pas encore définis. Cet article examine les applications de l’IA physique dans l’industrie et les défis à relever, de la fiabilité des équipements au transfert de l’apprentissage de la simulation aux conditions réelles.
