Le filThèmes : RechercheModèles
Draft-KV transmet les états clé-valeur d’un modèle à un autre pour une communication latente utile
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
L’interface entraîne 1,05 million de paramètres, soit 348 fois moins que C2C. Avec un partageur Qwen3-8B, Qwen2.5-0.5B-Instruct gelé atteint 78,04 % sur MMLU-Redux, contre 37,45 % seul.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLinquan Wu, Shichang Meng, Tianxiang Jiang et al.huggingface.co
Draft-KV: Learning Useful Latent Communication Between Language Models (site externe)
Latent communication passes internal states between language models instead of decoded text, but higher receiver accuracy does not show that the receiver used the message content.
Sur les mêmes thèmes
Modèles
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Modèles
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Modèles
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Modèles
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
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