Le filThèmes : RechercheÉvaluations
Des chercheurs présentent SPSD, qui tire des données de raisonnement de parties de jeux de plateau
1 sourcemis à jour 29 sept.pertinence 3,3 sur5
L’essentiel
Le framework s’appuie sur l’auto-jeu de réseaux de type MuZero. Sur Qwen3-4B-Base, la moyenne sur six benchmarks de mathématiques passe de 24,1 à 36,6, et le taux de victoire sur des jeux non vus de 15 % à 45 %.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLorenzo Molfetta, Wai-Chung Kwan, Giacomo Frisoni et al.huggingface.co
Self-Play Search Distillation for Large Language Model Reasoning (site externe)
Improving reasoning abilities in Large Language Models (LLMs) requires high-quality data that exposes difficult decisions, competing alternatives, and their consequences.
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