Le filThèmes : RechercheÉvaluations
Le pré-pré-entraînement synthétique reste utile à grande échelle, mais pas comme prior grammatical
1 sourcemis à jour il y a 6 jpertinence 3,2 sur5
L’essentiel
Selon l’étude, le gain persiste jusqu’à 7 milliards de paramètres et 100 milliards de tokens : au moins 21 milliards de tokens économisés à 3B. Il viendrait d’une meilleure récupération à longue portée, pas de la grammaire.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceAtsuki Yamaguchi, Tatsuro Inaba, Joel Niklaus et al.huggingface.co
Synthetic Pre-pretraining Survives Scale, but Not as a Grammatical Prior (site externe)
Pre-pretraining (PPT) on synthetic non-natural language data improves token efficiency during language model pre-training (PT).
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