Le filThèmes : RechercheInfraOpen source
Des chercheurs proposent SaveRouter, un routeur de LLM qui réduit le coût de sa supervision
1 sourcemis à jour 30 sept.pertinence 3,3 sur5
L’essentiel
Sur quatre benchmarks, le cadre utilise environ 33 à 41 % des retours d’entraînement disponibles et maintient une qualité de routage compétitive ou meilleure. Il réduit d’environ 1,9 à 9,5 fois le volume de rentabilisation.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceGuannan Lai, Gelin Bian, Hao-Xuan Ma et al.huggingface.co
Routing Should Pay for Itself: Sparse Supervision for Economical LLM Routing (site externe)
Large language model (LLM) routing reduces serving cost by assigning each query to an appropriate model while preserving response quality.
Sur les mêmes thèmes
Open source
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
Galahad, une couche mémoire pour vLLM, SGLang et llama.cpp, évite de relire les mêmes textes
Recherche
LoGRA réduit la mémoire de l’entraînement par RL des LLM grâce à des esquisses de gradient de bas rang
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