Une étude décrit la géométrie de l’inférence dans les flux résiduels des transformers
1 sourcemis à jour il y a 6 jpertinence 2,3 sur5
L’essentiel
Sur six modèles de langage pré-entraînés, le point d’arrivée propre devient tôt préférable à l’alternative moyenne. Les chercheurs prouvent aussi qu’un chemin rectiligne vers lui ne crée aucun nouveau concurrent.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceTimur Mudarisov, Mikhail Burtsev, Radu Statehuggingface.co
The Geometry of Inference in Transformer Residual Streams (site externe)
Transformer language models build predictions through successive residual updates, but how their representations become specific to an eventual outcome remains unclear.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
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