Le filThèmes : RechercheÉvaluations
Fold2Reason entraîne un modèle sur le repliement de protéines pour améliorer son raisonnement général
1 sourcemis à jour il y a 2 jpertinence 3,0 sur5
L’essentiel
Fold2Reason fait passer la précision moyenne macro de 45,09 % à 48,33 % sur 10 benchmarks, et obtient sur FoldBench des scores de 2,7 à 3,5 fois ceux de Qwen3.5-9B.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYong Liu, Zhanpeng Shi, Yizhou Dang et al.huggingface.co
Does Learning Protein Folding Generalize to Broader Reasoning? (site externe)
Large language models rely heavily on human text, which often conveys surface answers rather than the spatial and structural logic behind them.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5