Le filThèmes : RechercheAgents
Des chercheurs entraînent Q&D, un questionneur qui pousse les agents à chercher l’information non demandée
1 sourcemis à jour 30 sept.pertinence 3,2 sur5
L’essentiel
Sur trois benchmarks de questions-réponses multi-sauts, à dépense de recherche égale, le questionneur entraîné dépasse le même modèle guidé par prompt. Il bat un modèle 15 fois plus grand sur deux benchmarks sur trois.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceIdo Levy, Asaf Yehudai, Segev Shlomov et al.huggingface.co
Asking for What Was Never Requested: Horizontal and Vertical Proactivity in Agents (site externe)
An agent that uses tools typically responds to what the user explicitly asks, yet completing the task may require information the user never requested.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
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