Le filThèmes : RechercheOpen source
TaH2 concentre les itérations supplémentaires des transformers en boucle sur les tokens qui en profitent
1 sourcemis à jour 29 sept.pertinence 3,3 sur5
L’essentiel
Sur les benchmarks AIME, TaH2 améliore de 53 % la pente précision-calcul (2,74 contre 1,79) par rapport au modèle sans boucle et dépasse la précision maximale de ce modèle d’environ 3,4 points à calcul égal.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYichen You, Tianyu Fu, Aosong Feng et al.huggingface.co
Improving Test-Time Scaling with Adaptive Looped Transformers (site externe)
Looped transformers have demonstrated promising parameter efficiency by reusing layers for latent computation. Prior studies compare looped and non-looped models at matched parameters or per-token FLOPs.
Sur les mêmes thèmes
Open source
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Open source
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
Open source
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
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