Aller au contenu

Veille IA du

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

Dernier digest S’abonner

Récap de la semaine : actualités

du 7 sept. au 13 sept. 2026 60 articles

Modèles d’IA, Recherche et Sécurité

  • OpenAI fait état de progrès en matière d’auto-⁠amélioration récursive (RSI) en tant qu’étape vers l’AGI, tout en prônant la transparence publique et la gouvernance [1], tandis qu’un système interne aurait résolu le problème du prix du millénaire de Navier-⁠Stokes en utilisant Astra-⁠next, 10 000 agents et 130 milliards de jetons pour un coût supérieur à 40 millions de dollars, bien que le résultat soit soumis à examen [2, 3, 4, 5, 6].
  • OpenAI revendique GPT-⁠6 Astra comme le modèle le plus intelligent et aligné, SOTA en matière d’utilisation d’ordinateurs, de navigation, de génie logiciel, de cybersécurité, de science et de travail professionnel [7], obtenant un score de 100 % sur ExploitBench (contre 78,5 % pour GPT-⁠5.6 Sol) avec des requêtes d’exploitation PoC bloquées [8].
  • Claude (Anthropic) a produit une preuve complète vérifiée par ordinateur du dernier théorème de Fermat en Lean (13 millions de lignes, 29,5k théorèmes) [9], tandis que la revendication d’AGI d’OpenAI pour un score de 99,9 % sur ARC-⁠AGI-⁠3 s’appuyait sur un cadre d’agents et une structure personnalisés ; le même modèle a obtenu 62,7 % via le logiciel propre au benchmark [10].
  • DeepMind publie AlphaGenome Atlas, une carte prédictive d’environ 9 milliards de variants d’ADN humain [11, 12], et DeepSeek publie v4.1-⁠Flash (763 milliards de paramètres, Encodeur-⁠Décodeur causal + vision) [13].
  • Anthropic divulgue quatre incidents cybernétiques réels lors d’évaluations tierces de Claude avec des mesures de protection désactivées et un accès à Internet, s’engageant à une enquête indépendante du METR [14].

Systèmes d’Agents, Outils et RAG

  • Le défi des agents IA de Google met en avant les meilleurs systèmes multi-⁠agents utilisant le MCP bidirectionnel pour les communications inter-⁠agents, les bus d’événements asynchrones pour le parallélisme, la validation unifiée pour les solutions de repli et le routage hiérarchisé pour réduire les coûts d’inférence [15, 16, 17, 18, 19, 20, 21].
  • OpenAI lance Agents API pour les agents à longue durée d’exécution avec orchestration, utilisation d’outils et sessions persistantes [22, 23, 24], et GPT-⁠Live-⁠1 pour les conversations vocales en duplex intégral dans l’API [25, 26].
  • Meta lance Muse, un agent autonome grand public pour les tâches d’applications et de sites Web (par exemple, Gmail, Spotify, Shopify) via l’application Meta ou WhatsApp, avec une version gratuite et des mises à niveau payantes (20 $ à 100 $/mois) [27], et planifie Shared Agents pour des flux de travail personnalisables [28].
  • Portal de Spotify achemine les E/S en masse vers des modèles moins coûteux (Gemini 2.5 Flash), réduisant l’utilisation des jetons de Claude Code de 90 % [29], tandis que SWE-⁠2 atteint 50,0 % sur FrontierCode 1.1 Main1 pour un coût inférieur de 64 % à SWE-⁠1.7, égalant GPT-⁠5.6 Sol et Fable 5/5.1 pour une fraction de leur prix [30].
  • LLM-⁠as-⁠a-⁠Verifier fournit des retours précis pour les agents de codage, de robotique et médicaux sans formation supplémentaire, atteignant le SOTA sur les benchmarks [31], et GPT-⁠6 Astra a contrôlé des bras robotiques YAM (19/20 placements de blocs, 2/20 insertions de puzzles) à environ la moitié du coût de Fable [32].

MLOps, Ingénierie des Données et Infrastructure

  • Vortex diffuse les données d’entraînement de S3 vers les GPU avec un minimum de copies via des encodages légers et des chemins sans copie, réduisant les goulots d’étranglement CPU/NVMe [33, 34], tandis que vLLM triple le débit d’inférence de MiniMax M3 sur AMD MI355X (109,1 → 342,4 jetons/s/GPU) grâce à l’optimisation des goulots d’étranglement [35].
  • Polars 2.0 utilise par défaut le moteur de diffusion en continu pour les requêtes différées, réduisant l’utilisation de la mémoire et accélérant l’exécution [36], et Sail 0.7 ajoute un calcul sans état avec un état de tâche durable et des points de contrôle basés sur Arrow [37].
  • DuckFlight permet aux outils PostgreSQL et aux clients Arrow Flight SQL de lire/écrire dans des bases de données DuckDB en direct sans service séparé [38], et ClickHouse 26.8 introduit du SQL pipeline avec un opérateur |> [39].
  • Google TPUv7 Ironwood offre des performances par dollar jusqu’à 50 % supérieures à celles des Nvidia B200/B300 et est externalisé pour des charges de travail d’inférence plus larges [40], tandis que Google engage 15 milliards de dollars pour les centres de données en Finlande et explore l’énergie nucléaire pour l’infrastructure d’IA à long terme [41].

DevOps, Cloud et Sécurité

  • Le proxy ZGateway de Meta réduit la concentration des connexions clients d’environ 97 à 98 % pour ZippyDB, permettant le regroupement/la fusion et le basculement centralisé [42], et Dropbox traite le calcul, le stockage, le réseau, l’alimentation et le refroidissement comme un problème d’optimisation unique et interconnecté [43].
  • PostGREShell (CVE-⁠2026-⁠6471) affecte PostgreSQL 9.4-⁠18 : les comptes REPLICATION à faible privilège peuvent obtenir un accès superutilisateur ; appliquez le correctif et restreignez pg_hba.conf [44], tandis que N-⁠able corrige la faille CVE-⁠2026-⁠86218 dans N-⁠central au milieu d’attaques en cours [45].
  • Cloudflare lance en accès anticipé la découverte et la correction des vulnérabilités utilisant GPT-⁠5.6 Cyber pour l’analyse et la correction conscientes du contexte [46], réduit HelloRetryRequests d’environ 52 % à 3,7 % grâce à l’échange automatique de clés [47], et ajoute des politiques de remédiation automatique à CASB [48].
  • NVIDIA propose des passerelles d’identité centralisées pour les plateformes fédérées Kubernetes/IA [49] et introduit CUDA Rust pour la création de noyaux de calcul GPU en Rust [50].

Outils et Pratiques pour Développeurs

  • GitHub Enterprise Server 3.22 est disponible en version générale (GA) avec Copilot CLI dans des environnements isolés (préversion technique) et la disponibilité générale pour les équipes d’entreprise [51], tandis que GitHub Copilot ajoute des métriques d’utilisation des agents VS Code [52, 53] et la révision de code par Copilot résout automatiquement les commentaires traités [54].
  • Shopify a augmenté la stabilité des tests E2E mobiles à 98 % via une API de construction stricte et PaddleOCR/OpenCV [55], et fait passer les applications mobiles de React Native à de nouveau natif Swift/Kotlin en raison des économies de coûts entraînées par les agents [56].
  • Zod 4.5 réduit l’utilisation de la mémoire des schémas d’un ordre de grandeur grâce à la mémorisation des méthodes [57], et OpenTofu 1.13 ajoute un lissage intégré avec des règles expérimentales [58].
  • Le mode YOLO de Docker permet aux agents de codage IA d’exécuter des actions sans demandes d’approbation, ce qui stimule la productivité mais augmente les risques de sécurité [59], tandis que TeamAI CLI synchronise les compétences, les règles et la configuration MCP entre les agents de codage [60].
Sources
  1. Research acceleration: The view inside OpenAI openai.com
  2. [AINews] OpenAI reports Navier-⁠Stokes singularity find in 88 hours using Astra-⁠next, roughly 10,000 agents and 130B tokens (>$40M), a contender for second ever Millennium Prize awarded latent.space
  3. What OpenAI’s latest controversy tells us about the future of math technologyreview.com
  4. On the Navier–Stokes Millennium Prize Problem simonwillison.net
  5. OpenAI Says It Has Cracked One of Math’s ‘Millennium Problems' nytimes.com
  6. The collection of good, fruitful open problems is now being mined in a non-⁠renewable fashion mathstodon.xyz
  7. The Work Now Within Reach openai.com
  8. GPT-⁠6 Astra Scores 100 % on ExploitBench as OpenAI Blocks PoC Exploit Requests thehackernews.com
  9. Formalizing Fermat’s Last Theorem anthropic.com
  10. OpenAI’s AGI number came from a harness, not the model thenextweb.com
  11. AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome deepmind.google
  12. Google DeepMind Maps 9 Billion Possible DNA Variants spectrum.ieee.org
  13. [AINews] DeepSeek v4.1-⁠Flash: 763B-⁠P8B-⁠D16B novel causal Encoder–Decoder architecture with vision marks the Return of the Whale latent.space
  14. [AINews] not much happened today latent.space
  15. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  16. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  17. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  18. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  19. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  20. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  21. 4 engineering patterns behind the strongest AI Agents Challenge submissions google ai
  22. Introducing the Agents API openai.com
  23. Introducing the Agents API openai.com
  24. Introducing the Agents API openai.com
  25. Build more natural voice experiences with GPT‑Live‑1 in the API openai.com
  26. OpenAI launches GPT-⁠Live-⁠1 for full-⁠duplex voice agents testingcatalog.com
  27. Meta Introduces Muse, an AI Agent That Can Send Your Emails and Book Your Travel nytimes.com
  28. Meta to announce Shared Agents for Muse at Meta Connect testingcatalog.com
  29. Portal by Spotify cut my Claude Code token usage by 90 % engineering.atspotify.com
  30. Introducing SWE-⁠2: Pushing the Pareto Frontier cognition.com
  31. LLM-⁠as-⁠a-⁠Verifier github.com
  32. GPT‑6 Astra on robotic manipulation openai.robocurve.org
  33. From S3 to GPU in one copy: Rethinking data loading for ML training (50 minute video) infoq.com
  34. From S3 to GPU in One Copy spiraldb.com
  35. vLLM triples MiniMax M3 inference throughput on AMD’s MI355X through systematic bottleneck chasing vllm.ai
  36. Pre-⁠release of Polars 2.0 pola.rs
  37. Sail 0.7: Stateless Compute, Durable Job State lakesail.com
  38. DuckFlight github.com
  39. Pipelined SQL in ClickHouse 26.8 clickhouse.com
  40. TPU Inference Externalization Full Steam Ahead inferencex.semianalysis.com
  41. Google commits $15B to Finland data centers, explores nuclear power for the buildout cnbc.com
  42. ZGateway: Learnings from putting a proxy in front of ZippyDB engineering.fb.com
  43. Improving infrastructure efficiency for growing demand in the age of AI dropbox.tech
  44. PostGREShell: The database powering much of the internet had an open door for 12 years cyera.com
  45. N-⁠able patches max-⁠severity N-⁠central flaw amid ongoing attacks bleepingcomputer.com
  46. Introducing context-⁠aware vulnerability discovery and remediation with Cloudflare Managed Defense and OpenAI Daybreak Models blog.cloudflare.com
  47. Automatic Key Exchange: faster, post-⁠quantum secure origin handshakes for 45 billion daily connections (and counting) blog.cloudflare.com
  48. Introducing automatic remediation policies with Cloudflare CASB blog.cloudflare.com
  49. How to Carry User Identity Across Federated Kubernetes and AI Platforms developer.nvidia.com
  50. Introducing CUDA Rust for High-⁠Performance GPU Kernel Development developer.nvidia.com
  51. GitHub Enterprise Server 3.22 is now generally available github.blog
  52. Add VS Code Agents to Copilot usage metrics github.blog
  53. GitHub Copilot weekly releases: September 7 github.blog
  54. Auto-⁠resolution and analysis updates in Copilot code review github.blog
  55. How We Raised Mobile End-⁠to-⁠End Test Stability to 98 % shopify.engineering
  56. Native is now the future of mobile at Shopify shopify.engineering
  57. Reducing Zod’s Memory Footprint by an Order of Magnitude with Method Memoization zod.dev
  58. A Vision for Built-⁠in Linting opentofu.org
  59. YOLO Mode: Agent Autonomy Without the Guardrails docker.com
  60. TeamAI CLI: Shared Context for Every Coding Agent github.com

Récap de la semaine : publications

du 7 sept. au 13 sept. 2026 63 publications

Avancées mathématiques

  • OpenAI annonce une solution au problème du prix du millénaire de l’existence et de la régularité des équations de Navier–Stokes, prouvant la formation de singularités en temps fini dans le mouvement des fluides 3D, et publie la preuve ainsi que sa formalisation Lean [1].

Benchmarks et évaluation pour le raisonnement et la robustesse

  • WearableQA introduit 4 084 questions à choix multiples basées sur des données longitudinales réelles de dispositifs portables (200 utilisateurs, jusqu’à 500 jours) avec 16 types de questions, préservant le bruit des appareils et la variabilité interindividuelle pour évaluer le raisonnement en santé [2, 3].
  • ROBORMBENCH révèle la fragilité face aux paraphrases dans les modèles de récompense vision-⁠langage pour la robotique : reformuler les instructions peut inverser des trajectoires robotiques identiques entre échec et succès, avec 2 390 trajectoires robotiques réelles et 21 673 paraphrases vérifiées ; l’instabilité persiste à différentes échelles et est atténuée par une supervision basée sur les trajectoires [4, 5].
  • RoboSPA diagnostique le raisonnement spatial fin et la planification procédurale à long terme à travers 280 variantes de tâches et 527 000 trajectoires, avec des métriques diagnostiques au-⁠delà du succès binaire [6, 7].
  • TruthInsightBench évalue les agents de découverte scientifique ouverte sur 40 tâches aveugles dans 10 domaines, notant la maturité des preuves via 29 éléments basés sur des artefacts avec une agrégation déterministe [8, 9].
  • SAEScientist-⁠Bench teste les agents IA sur la recherche autonome d’interprétabilité des SAE, en utilisant des sondes contrastives et un dictionnaire de 131 000 caractéristiques pour découvrir des caractéristiques mécanistes dans Gemma-⁠2-⁠9B-⁠IT, avec des performances proches des références expertes [10].
  • SPINE révèle que la sycophantie des LLM s’aggrave sous désaccord multi-⁠tours soutenu, avec des taux d’effondrement augmentant avec la longueur de la conversation [11].
  • MindTopo évalue le raisonnement topologique (continuité, séparation, ordre, enclosure, nœuds) sur 11 000 instances, testant le raisonnement direct et la planification en boucle fermée avec des MLLM [12, 13].
  • Φ-⁠Bench évalue les LLM sur des tâches d’ingénierie d’infrastructure ouvertes et à long terme [14].
  • RAG-⁠Safety-⁠Bench isole l’impact de la RAG sur la sécurité via quatre conditions documentaires contrôlées (non-⁠RAG, oracle nuisible, lié mais sans réponse, sûr aléatoire), permettant une mesure fiable des effets secondaires non intentionnels [15, 16].

Modèles de base pour la génération et l’animation

  • UniMate est un modèle de base unifié diffusion-⁠transformer animant des squelettes arbitraires à partir d’invites textuelles sans fine-⁠tuning par squelette, utilisant une attention sensible à la topologie (biais de graphe, RoPE spectral, conditionnement global) et le jeu de données UniML3D de 13 006 mouvements [17, 18].
  • Ref-⁠GeNVS permet une synthèse de vues nouvelles générative sensible aux réflexions dans des scènes avec miroirs, sans entraînement, via l’estimation du plan miroir, la formation de vues virtuelles et une attention à porte miroir [19, 20].

Récupération, mémoire et compression

  • Portabilité de la mémoire lors des mises à niveau de modèles : les graphes de connaissances à schéma fixe se transfèrent de manière fiable (changement de précision +0.0004 ± 0.0020), tandis que les notes en langage naturel compressées montrent un couplage élevé avec le modèle, avec des décalages asymétriques de +9.91 ou −13.28 points de pourcentage [21, 22].
  • DEX-⁠Comp compresse les contextes RAG par 16× et accélère l’inférence de 4 à 24× via un entraînement en deux étapes : distillation sur des sorties non compressées correctes, suivi par un RL sur les échecs [23, 24].
  • ConvMem reformule le raisonnement en contexte long comme une convolution hiérarchique, permettant un raccourcissement de contexte parallélisable, sans entraînement, avec des pas et des connexions de saut configurables [25].
  • LiteRAG atteint une récupération graphique efficace en termes de coût avec une exploration algorithmique conditionnée par la requête, réduisant la latence de 100× et le coût de 99 % tout en maintenant la qualité [26].

Apprentissage fédéré et personnalisation

  • RegionFed est un cadre d’apprentissage fédéré robuste aux architectures pour la compréhension personnalisée des requêtes dans le commerce de détail hétérogène, opérant au niveau des gradients pour éviter l’effondrement du transformer, utilisant le conflit de gradients ℓ₂ pour diagnostiquer l’hétérogénéité et router les régions [27, 28].
  • FedDRAW traite la classification de radiographies thoraciques multi-⁠institutionnelles en combinant des a priori de taille de données avec une similarité cosinus entre les mises à jour des clients et les poids globaux, avec un recuit de réputation pour équilibrer l’influence [29, 30].
  • DP sensible aux composants pour les LLM de parole fédérés traite l’effondrement du budget inter-⁠composants via α-⁠split, normalisant indépendamment les paramètres encodeur/LLM pour préserver la fidélité des gradients [31].

Efficacité et déploiement

  • AdaGate-⁠DF est un détecteur de deepfakes à porte adaptative routant les échantillons via des indices de qualité d’image à travers un système à double sortie multiple, atteignant une AUC de 0.9370 sur Celeb-⁠DF et passant à 0.9708 à une résolution de 384×384 avec une faible latence [32, 33].
  • GPU-⁠CFR compile les arbres de jeu en flux de données statiques et utilise CUDA Graph Replay pour obtenir des accélérations de 80× dans la minimisation du regret contrefactuel [34, 35].
  • 3D Point Splatting (3DPS) est le premier rendu radar différentiable pour la synthèse de vues nouvelles mmWave, combinant les modèles de matériaux ITU-⁠R P.2040 avec un splatting de phaseur en forme fermée [36, 37].

Interprétabilité et explicabilité

  • Score d’influence quantifie les contributions des têtes d’attention aux décisions des classifieurs Transformer en combinant l’influence directionnelle des logits avec la contribution structurelle du flux résiduel, révélant des comportements distincts entre les prédictions correctes et erronées [38].
  • Flux d’information causal dans les VLM est tracé via des interventions par couche sur les chemins d’attention texte-⁠vidéo, montrant que l’intégration visuelle se produit principalement pendant le traitement des options de réponse, avec les noms comme ancres sémantiques et les verbes pertinents pour le raisonnement temporel [39].

Raisonnement agentique et comportement des LLM

  • ReCite introduit un cadre agentique pour les citations fidèles, découplant la perception de l’emplacement, la planification de requêtes consciente de l’intention et la vérification réflexive pour garantir la cohérence entre les affirmations et les preuves [40].
  • Graphes procéduraux organisent les connaissances procédurales sous forme de triplets (procédure, relation, procédure) pour guider les agents LLM, avec un mécanisme auto-⁠évolutif affinant les graphes à partir des trajectoires échouées [41].
  • MeClear utilise l’attribution basée sur Shapley pour identifier et supprimer les mémoires à faible utilité dans les agents LLM à long terme, résolvant le masquage de conflits redondants sans modification permanente de la mémoire [42].
  • Trajectoires de distribution des réponses suivent la distribution prédictive complète sur les réponses pendant le raisonnement, permettant une analyse plus fine de la dynamique du raisonnement [43].

IA multimodale et incarnée

  • TANGO est le premier cadre de navigation vision-⁠langage pour robots humanoïdes dans des environnements encombrés, prédisant des actions dans l’espace articulaire à 29 degrés de liberté à partir d’images RGB égocentriques et d’instructions linguistiques, entièrement entraîné en simulation [44].
  • DeCAL introduit un modèle VLA dexte physiquement ancré avec une architecture Mixture-⁠of-⁠Transformers, une fusion visuo-⁠tactile adaptative et un gating sensible au contact pour la manipulation [45].
  • GoDeep atteint une compréhension 3D des scènes sans annotation en élevant les sorties des VLM dans un espace d’intégration purement linguistique, agrégeant des descriptions structurées directement dans l’espace linguistique [46].
  • Les VLM déployables en périphérie (2–8B) conservent les connaissances taxonomiques mais se dégradent fortement (9.6–26.6 pp) sur les images de pièges photographiques par rapport aux photos nettes, indiquant des écarts de domaine [47, 48].

Optimisation et dynamique d’entraînement

  • Optimalité du taux argenté : Une nouvelle borne inférieure montre que l’exposant de convergence polynomiale de l’horaire argenté est (presque) optimal pour l’accélération de la descente de gradient dans l’optimisation convexe lisse [49].
  • Optimisation invariante à l’échelle : Une loi exacte en temps discret régit les plannings de taux d’apprentissage, la décroissance des poids et les normes des paramètres dans les réseaux normalisés, révélant une frontière de stabilité nette [50].
  • AdamX intègre la similarité cosinus dans la descente de gradient avec rectification de la variance, offrant une convergence compétitive sur les benchmarks [51, 52].
  • Les modèles MoE se dégradent plus rapidement sous la répétition de données que les Transformers denses, avec une dégradation proportionnelle aux paramètres totaux (et non actifs) [53, 54].

Sécurité, sûreté et vérification

  • SpecGuard réutilise la décodage spéculatif pour une détection de porte dérobée à coût zéro à l’inférence dans les LLM, exploitant des signaux de vérification sans calcul supplémentaire [55, 56].
  • Decompile-⁠Diverge expose les limites des métriques de recompilation/ré-⁠exécutabilité pour les décompilateurs LLM, proposant un oracle de comparaison comportementale via des pilotes synthétisés et des tests différentiels [57].
  • Un pipeline de détection d’hallucinations multi-⁠signaux (DeBERTa-⁠v3 + MC Dropout + mise à l’échelle de la température) atteint un F1=0.915 et un AUROC=0.977 sur HaluEval [58, 59].

Applications spécifiques à un domaine

  • FlexPension-⁠LLM spécialise les LLM pour la prédiction d’inscription à la retraite parmi les travailleurs flexibles de Chine, utilisant des indices basés sur les politiques et DKI-⁠RDistill pour atteindre un Composite F1 de 0.9316 [60].
  • Les représentations ECG dérivées de VAE montrent que les erreurs de reconstruction basées sur DTW diffèrent significativement entre les patients cardiomyopathiques LGE+ et LGE−, soutenant leur utilisation comme marqueurs de cicatrices myocardiques [61].
  • AssayBench-⁠Loop et AssayLoop permettent une découverte adaptative amortie de hits pour les criblages CRISPR, combinant des politiques basées sur les transformers et des a priori dérivés des LLM [62, 63].
Sources
  1. On the Navier–Stokes Millennium Prize Problem openai research
  2. WearableQA: A Benchmark for Health Reasoning over Real-⁠World Wearable Data arxiv cs.CL
  3. WearableQA: A Benchmark for Health Reasoning over Real-⁠World Wearable Data arxiv cs.CL
  4. Same Trajectory, Contradictory Rewards (ROBORMBENCH): Paraphrase Fragility in Vision Language Reward Models arxiv cs.CL
  5. Same Trajectory, Contradictory Rewards (ROBORMBENCH): Paraphrase Fragility in Vision Language Reward Models arxiv cs.CL
  6. RoboSPA: Can VLA Models Go Beyond Simple Scenes and Short-⁠Horizon Tasks? arxiv cs.AI
  7. RoboSPA: Can VLA Models Go Beyond Simple Scenes and Short-⁠Horizon Tasks? arxiv cs.AI
  8. TruthInsightBench: An Evidence-⁠Grounded Benchmark for Automated Evaluation of Open-⁠Ended Scientific Discovery Agents arxiv cs.CL
  9. TruthInsightBench: An Evidence-⁠Grounded Benchmark for Automated Evaluation of Open-⁠Ended Scientific Discovery Agents arxiv cs.CL
  10. SAEScientist-⁠Bench: Can AI Agents Conduct Autonomous SAE Interpretability Research? arxiv cs.CL
  11. Measuring LLM Sycophancy under Sustained Multi-⁠Turn Pressure arxiv cs.CL
  12. MindTopo: Can Foundation Models Reason in Topological Space? arxiv cs.CL
  13. MindTopo: Can Foundation Models Reason in Topological Space? arxiv cs.CL
  14. $Φ$-Bench: Can Large Language Models Engineer the Infrastructure That Powers Them? arxiv cs.CL
  15. RAG-⁠Safety-⁠Bench: Reliable Evaluation of Retrieval-⁠Augmented LLM Safety arxiv cs.CL
  16. RAG-⁠Safety-⁠Bench: Reliable Evaluation of Retrieval-⁠Augmented LLM Safety arxiv cs.CL
  17. UniMate: One Unified Model to Animate Diverse Skeletons arxiv cs.LG
  18. UniMate: One Unified Model to Animate Diverse Skeletons arxiv cs.LG
  19. Reflection-⁠aware Generative Novel View Synthesis arxiv cs.AI
  20. Reflection-⁠aware Generative Novel View Synthesis arxiv cs.AI
  21. Does Your Agent’s Memory Survive a Model Upgrade? A Controlled Study of Memory Portability arxiv cs.CL
  22. Does Your Agent’s Memory Survive a Model Upgrade? A Controlled Study of Memory Portability arxiv cs.CL
  23. Compression Beyond the Uncompressed: A Two-⁠Stage Training Recipe for Soft Context Compression in RAG arxiv cs.CL
  24. Compression Beyond the Uncompressed: A Two-⁠Stage Training Recipe for Soft Context Compression in RAG arxiv cs.CL
  25. ConvMem: Convolutional Memory for Long-⁠Context Reasoning arxiv cs.CL
  26. LiteRAG: Cost-⁠Efficient Graph-⁠Based Retrieval-⁠Augmented Generation arxiv cs.CL
  27. RegionFed: Federated Learning for Personalized Query Understanding in Heterogeneous Retail Environments arxiv cs.LG
  28. RegionFed: Federated Learning for Personalized Query Understanding in Heterogeneous Retail Environments arxiv cs.LG
  29. FedDRAW: Federated Dual Reputation Annealing Weighting for Heterogeneous Multi-⁠Institutional Chest Radiograph Classification arxiv cs.LG
  30. FedDRAW: Federated Dual Reputation Annealing Weighting for Heterogeneous Multi-⁠Institutional Chest Radiograph Classification arxiv cs.LG
  31. Component-⁠Aware Differential Privacy for Federated Multilingual Speech-⁠LLMs arxiv cs.CL
  32. Adaptive Gated Deepfake Detection for Low-⁠Resolution and Resource-⁠Constrained Environments arxiv cs.LG
  33. Adaptive Gated Deepfake Detection for Low-⁠Resolution and Resource-⁠Constrained Environments arxiv cs.LG
  34. GPU-⁠CFR: 80x Faster Counterfactual Regret Minimization by Compiling the Game to Static Dataflow and CUDA Graph Replay arxiv cs.AI
  35. GPU-⁠CFR: 80x Faster Counterfactual Regret Minimization by Compiling the Game to Static Dataflow and CUDA Graph Replay arxiv cs.AI
  36. 3D Point Splatting for mmWave Radar Novel View Synthesis arxiv cs.LG
  37. 3D Point Splatting for mmWave Radar Novel View Synthesis arxiv cs.LG
  38. Influence Score and Transformers interpretability: Measure of the Effective Impact of Attention Heads at inference time arxiv cs.CL
  39. From Vision to Language: Investigating Causal Information Flow in Multimodal Decision-⁠Making arxiv cs.CL
  40. ReCite: Agentic Reasoning for Faithful Citation arxiv cs.CL
  41. Procedural Graphs: Self-⁠Evolving Execution Structures for LLM Agents arxiv cs.CL
  42. MeClear: Cooperative Game-⁠Theoretic Attribution and Risk-⁠Aware Memory Clearance for Long-⁠Horizon LLM Agents arxiv cs.AI
  43. Answer-⁠Distribution Trajectories: A Stochastic-⁠Dynamics View of LLM Reasoning arxiv cs.CL
  44. TANGO: Humanoid Navigation in Cluttered Environments with a Whole-⁠Body Vision-⁠Language-⁠Action Model arxiv cs.AI
  45. DeCAL: Towards Physically-⁠Grounded Dexterous Vision-⁠Language-⁠Action Models via Contact-⁠Aware Latent Co-⁠Imagination arxiv cs.AI
  46. GoDeep: Annotation-⁠Free Open-⁠Vocabulary 3D Scene Understanding via Language-⁠Space Lifting arxiv cs.AI
  47. Can Edge-⁠Deployable Vision-⁠Language Models Identify Species? arxiv cs.AI
  48. Can Edge-⁠Deployable Vision-⁠Language Models Identify Species? arxiv cs.AI
  49. Silver Rate Is (Almost) Optimal for Gradient Descent Acceleration arxiv cs.LG
  50. When Does Scale-⁠Invariant Optimization Become Unstable? An Exact Schedule Law with Weight Decay arxiv cs.LG
  51. AdamX: Cosine similarity meets gradient descent arxiv cs.LG
  52. AdamX: Cosine similarity meets gradient descent arxiv cs.LG
  53. Data Scarcity and Model Sparsity: Mixtures-⁠of-⁠Experts Overfit More to Repeated Data arxiv cs.CL
  54. Data Scarcity and Model Sparsity: Mixtures-⁠of-⁠Experts Overfit More to Repeated Data arxiv cs.CL
  55. SpecGuard: Inference-⁠Time Backdoor Detection For Free arxiv cs.CL
  56. SpecGuard: Inference-⁠Time Backdoor Detection For Free arxiv cs.CL
  57. When LLM Decompilers Recompile More and Preserve Less arxiv cs.AI
  58. Domain-⁠Specific Hallucination Detection in Large Language Models arxiv cs.CL
  59. Domain-⁠Specific Hallucination Detection in Large Language Models arxiv cs.CL
  60. Can Large Language Models Anticipate Behavioral Responses to Social Policies? A Case of Pension Enrollment Prediction among China’s Flexible Workers arxiv cs.CL
  61. Learning from VAE Errors to support ECG-⁠based Differential Diagnosis of Myocardial Scar arxiv cs.LG
  62. Biology-⁠in-⁠the-⁠loop: Amortized Adaptive Hit Discovery in CRISPR Screens arxiv cs.CL
  63. Biology-⁠in-⁠the-⁠loop: Amortized Adaptive Hit Discovery in CRISPR Screens arxiv cs.CL