Le filThèmes : ÉvaluationsAgents
LMBuild, un benchmark, évalue des agents LLM sur la génération de structures constructibles et fonctionnelles
1 sourcemis à jour il y a 1 jpertinence 3,0 sur5
L’essentiel
Testé sur 30 systèmes, le benchmark montre que la solidité et l’alignement ne bloquent plus les modèles fermés de pointe. La fonctionnalité et l’opérabilité physique restent nettement plus difficiles.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJiateng Liu, Rushi Wang, Cheng Qian et al.huggingface.co
LMBuild: Evaluating LLM Agents for Generating Buildable and Functional Structures (site externe)
LLM-based agents are increasingly capable of generating complex 3D structures, with the potential to reshape how objects are designed and realized in the physical world.
Sur les mêmes thèmes
Agents
LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian
Évaluations
Microsoft publie ThinkingBox, un benchmark qui note les agents sur l’état final de la base de données
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
Weave publie en open source Weave Router 2.0, qui oriente les agents de code vers différents modèles
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