Le filThèmes : RechercheÉvaluations
UNREAL unifie la recherche documentaire et le contexte long avec un seul modèle
1 sourcemis à jour il y a 12 hpertinence 3,5 sur5
L’essentiel
UNREAL ajoute moins de 500 000 paramètres entraînables à un LLM gelé. Sur HotpotQA, le rappel passe de 49,1 % à 73,2 %, et la précision sur NoLiMa de 1,0 % à 24,83 % à 128K tokens.
Propagation1 article, publié par HF Daily Papers le 7 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceEdan Kinderman, Elad Hoffer, Yochai Blau et al.huggingface.co
UNREAL: Unifying Retrieval and Long-Context with a Single Model (site externe)
Long-context inference and Retrieval-Augmented Generation (RAG) handle evidence selection at vastly different scales, from a single long prompt to an entire corpus. We ask whether a single model-internal mechanism can select evidence across this range.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
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