Aller au contenu

Veille IA du

Cette page est l’édition archivée d’un jour précis. Elle ne change plus.

Dernier digest S’abonner

Actualités du samedi 29 août 2026

2 articles

Écosystème & Outils IA/ML

  • OpenAI met fin à l’accès de Cursor à ses modèles, invoquant un historique de violations de contrats par les entreprises d’Elon Musk ; cette décision fait suite à l’acquisition de Cursor par SpaceX et intensifie les tensions entre les organisations [1].
  • GPT-⁠5.6 est désormais une alternative de codage compétitive à Claude 5, modifiant le paysage des assistants de codage propulsés par l’IA [1].

Sécurité & Outils de développement

  • Des failles de sécurité sont de plus en plus souvent découvertes en l’espace de quelques minutes après des discussions sur des bugs, alors que des agents automatisés (par ex., DeepSeek V4 Pro) identifient et sondent rapidement les vulnérabilités dans les dépôts publics [2].
Sources
  1. [AINews] OpenAI shuts off Cursor latent.space
  2. Just a rumour of a bug is enough to find a security exploit these days simonwillison.net

Publications du samedi 29 août 2026

20 publications

Raisonnement des LLM et Post-⁠Entraînement

  • CritICL exploite des modes de défaillance structurés provenant de modèles plus faibles sous forme de guidage contextuel basé sur la critique pour améliorer l’efficacité du raisonnement au moment de l’inférence, en proposant des variantes dynamiques et statiques avec des gains constants par rapport aux modèles de référence [1].
  • TTPO introduit un objectif d’optimisation de politique asymétrique au moment du test qui distille les exécutions (rollouts) concordantes et pénalise les discordantes, permettant des mises à jour robustes sans étiquettes de vérité terrain (ground-⁠truth) [2].
  • SWE-⁠Prime filtre les données SFT au niveau des trajectoires et des segments pour supprimer la supervision bruitée (étapes inefficaces/redondantes), améliorant ainsi les performances de résolution de code [3].
  • Evolution Strategies (ES) pour le raisonnement des LLM montre une couverture de raisonnement plus large que GRPO, avec des preuves théoriques et empiriques ; une stratégie séquentielle GRPO-⁠ES combine leurs forces [4].
  • Boosting LLM Exploration in RLVR utilise des trajectoires de raisonnement partielles générées par des modèles faibles pour perturber la surconfiance et améliorer le score pass@k via la diversité distributionnelle [5].

Systèmes Agents et Sécurité

  • RedEvoAgent est un agent de test d’intrusion (red-⁠teaming) en boîte noire qui distille des trajectoires d’attaque inter-⁠cas en compétences lisibles par l’homme, évoluant via le profilage de l’efficacité des outils et des mécanismes de validation [6].
  • WikiSkill co-⁠évolue les compétences des agents avec une base de connaissances persistante (wiki) pour consolider systématiquement l’expérience, surpassant les méthodes antérieures d’évolution des compétences [7].
  • Persona-⁠Execution Separation (PES) dissocie la persona (sujette à la dérive) et l’exécution (auditée) en domaines de confiance distincts, permettant une évolution libre de la persona tout en maintenant une exécution traçable [8].
  • INTENT-⁠AS-⁠A-⁠TOOL ajoute des outils ciblés sur l’intention pour surveiller le désalignement des agents, fournissant des signaux fins d’intention malveillante pendant la génération [9].
  • Beyond F1 for AI Model Security Scanners évalue ModelScan, ModelAudit et Fickling sur un benchmark synthétique, révélant des lacunes dans la couverture et la récupération des défaillances au-⁠delà de la précision et du rappel [10].

Benchmarks et Évaluation

  • MCR-⁠Bench introduit un benchmark sensible à l’état des défauts pour une revue de code multi-⁠tour réaliste, capturant les interactions itératives et les annotations d’état dynamiques dans cinq langages [11].
  • CorporateBench est un benchmark de questions-⁠réponses à grande échelle, validé par des humains, avec des bases de connaissances évoluant temporellement, exposant la dégradation des performances des LLM à des échelles de documents réalistes [12].
  • RATIO évalue la recherche d’information (retrieval) à travers des opérations d’idéation typées (Address, Broaden, Specify) dans la littérature scientifique, avec un affinage spécifique à l’opération améliorant les performances [13].
  • PAWBench évalue l’alignement probabiliste dans les modèles du monde en testant si des exécutions vidéo répétées restituent la distribution correcte des comportements physiques [14].

Efficacité et Extensibilité

  • LeVJEPA entraîne un encodeur vidéo sans effondrement avec un seul hyperparamètre et un abandon uniforme de tokens (token dropping), réduisant le coût de pré-⁠entraînement tout en maintenant les performances [15].
  • Successive Capacity Growth (SCG) étend dynamiquement les encodeurs Vision Transformer en largeur/profondeur pour les modèles du monde JEPA, piloté par une validation agnostique de la tâche et SIGReg pour empêcher l’effondrement [16].
  • Puro-⁠2B démontre le pré-⁠entraînement rentable d’un modèle à l’échelle de Qwen2-⁠1.5B sur des GPU grand public RTX 5090 pour moins de 6,9K \$, en utilisant FP8 et des optimisations de recettes [17].

Applications Spécifiques à un Domaine

  • CLAP permet des modèles du monde vidéo inter-⁠gabarits en conciliant des espaces d’action disparates (poses d’effecteurs finaux, langage, actions latentes) et montre des capacités de simulation physique zéro-⁠shot [18].
  • MM-⁠Spectrum introduit un cadre MoE creux (sparse) pour l’élucidation de structures moléculaires multispectrales et multimodales, traitant le déséquilibre modal avec un routage explicite [19].
  • CAST utilise des auto-⁠encodeurs creux pour exposer des concepts cliniques audités dans les modèles de langage, supprimant les artéfacts et améliorant la robustesse de la prédiction de mortalité [20].
Sources
  1. CritICL: Inference-⁠Time Weak-⁠to-⁠Strong Generalization from Small Language Model Failure Modes arxiv cs.CL
  2. TTPO: Test-⁠Time Policy Optimization arxiv cs.CL
  3. SWE-⁠Prime: Fewer Trajectories, Better Performance arxiv cs.CL
  4. Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO arxiv cs.LG
  5. Boosting LLM Exploration via Weak-⁠Model Guidance in RLVR arxiv cs.CL
  6. RedEvoAgent: Automatic Red-⁠Teaming Agent with Experience-⁠Driven Skill Evolution arxiv cs.AI
  7. WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution arxiv cs.CL
  8. Persona-⁠Execution Separation: An Architecture Pattern for Evolving LLM Agents under Execution Audit arxiv cs.AI
  9. INTENT-⁠AS-⁠A-⁠TOOL Makes it Easy to Track Agentic Misalignment arxiv cs.CL
  10. Beyond F1: Evaluating Coverage and Failure Recovery in AI Model Security Scanners arxiv cs.AI
  11. From Static to Dynamic: Benchmarking Real-⁠World Code Review with MCR-⁠Bench arxiv cs.CL
  12. CorporateBench: Large-⁠Scale Q&A Benchmarking with Temporal Knowledge Bases arxiv cs.CL
  13. RATIO: A Benchmark for Retrieval Across Typed Ideation Operations in Scientific Literature arxiv cs.CL
  14. PAWBench: How Far Are We from Probabilistically Aligned World Modeling? arxiv cs.AI
  15. LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics arxiv cs.AI
  16. Successive Capacity Growth: Task-⁠Complexity-⁠Driven Width and Depth Expansion for Vision Transformer Encoders in JEPA World Models arxiv cs.AI
  17. Puro-⁠2B: Poor Lab’s Qwen2-⁠1.5B Trained on RTX 5090 within $5090 arxiv cs.CL
  18. CLAP: Cross-⁠Embodiment Video World Models are Zero-⁠Shot Physical Simulators arxiv cs.AI
  19. MM-⁠Spectrum: Multimodal Multi-⁠spectral Molecular Structural Elucidation with a Stable MoE Framework arxiv cs.LG
  20. Making Clinical Language Models Auditable: Concept-⁠Guided Fine-⁠Tuning for Robust Prediction arxiv cs.CL