Édition de 14 h
648 stories sur les 1 117 de la quinzaine, dont 390 ces sept derniers jours.
Thèmes : Modèles · Open source
Selon Reflection, Beam rivalise avec les principaux modèles chinois et demande nettement moins de calcul. L’accès passe d’abord par un programme d’accès anticipé ; poids, documentation et outils de fine-tuning sont prévus ce mois-ci.
Selon la lettre Latent Space, ils proviennent d’une évaluation d’environ 4 000 problèmes de recherche et ont mobilisé en moyenne environ trois heures de calcul de ChatGPT Pro par résultat.
64 stories, dernières 24 heures
Thèmes : Évaluations · Agents
SafeActBench compte 656 cas dans six domaines opérationnels. Sur dix configurations modèle-harnais, une bonne évaluation statique des actions coexiste avec une exécution interactive bien plus faible.
Testé sur sept benchmarks de recherche multimodale avec des modèles de 2 et 4 milliards de paramètres, SSR réduit de plus de 90 % la latence de raisonnement par tour et de 28 à 54 % la latence d’inférence totale par question.
HAD complète la distillation on-policy par une préférence d’action, comparée avec et sans les informations du harness, et par un contrôle de validité.
Selon le papier, une synchronisation par arbre de relais d’un modèle de 1T paramètres à 3 % de changements prend 150 s au lieu de 87,5 min.
326 stories, sept derniers jours
Thèmes : Agents · Évaluations
Sur un benchmark de 89 tâches, BM25 égale ou bat la boucle agentique dans 3 des 4 configurations. Le coût d’une exécution est de 27,54 dollars avec leur retriever, contre 51,30 dollars avec la boucle agentique.
Dans un benchmark, passer de 8 à 128 experts a fait croître les paramètres totaux de 4,6 à 47 milliards, avec un débit d’entraînement en baisse de moins de 5 %.
Avec une révision fondée sur les preuves, le gain moyen sur une seule passe atteint 6,2 points avec Gemini 3.5 Flash et 6,4 avec Claude Opus 4.8.
258 stories, reste de la quinzaine