Le filThèmes : RechercheÉvaluations
FocusVTC compresse du texte long en images à résolution adaptative pour le raisonnement des LLM
1 sourcemis à jour 30 sept.pertinence 3,2 sur5
L’essentiel
À 72 DPI sur RULER v1, FocusVTC obtient 87,4 avec une compression de l’entrée de 2,9×, contre 57,5 pour Glyph à 3,0×. Il est 2,79 fois plus rapide de bout en bout en ligne que le texte sur MRCR.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceFangZhi Zhong, Xuerui Qiu, Yuqi Pan et al.huggingface.co
FocusVTC: Efficient and High-Performance Visual Text Compression with Adaptive Resolution (site externe)
Long-context reasoning in large language models incurs substantial computation and memory costs.
Sur les mêmes thèmes
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
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
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