Des chercheurs transfèrent une capacité d’un modèle à un autre avec un seul mot par prompt
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
Leur méthode ATD donne un gain de 5,34 points sur HumanEval+ avec Qwen2.5-1.5B, sans exemples de la tâche cible, sans logits ni paramètres du modèle enseignant. Des transferts sont aussi observés dans d’autres domaines.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZiyang Zhang, Yubin Jing, Yuanhao Zeng et al.huggingface.co
Post-Training Leaves Behavioral Shadows on Unrelated Decisions (site externe)
We find that language models can transfer capabilities through task-unrelated text. Post-training typically improves language models using task-specific data.
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