Le filThèmes : RechercheAgentsÉvaluations
DerivAudit : des chercheurs proposent d’auditer si la mémoire d’un agent découle de son historique
1 sourcemis à jour 30 sept.pertinence 3,3 sur5
L’essentiel
Sur deux corpus de mémoires, un historique élargi avant l’écriture retrouve un appui pour près de 60 % des mémoires jugées non étayées par les citations seules. 17 à 21 % restent non étayées après élargissement.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceHongjun Liu, Chen Zhaohuggingface.co
Memory Is a Derivation: The Distributed-Evidence Paradox in Long-Term Agents (site externe)
Long-running LLM agents compress past interactions into persistent memories that may be reused as premises for later tasks. This creates a distinct derivation problem: whether the memory actually follows from what the interaction history supports.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
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