AI FRONTIER

SWE-Duel : vers une arène auto-extensible pour les agents de codage

L'article présente SWE-Duel, une arène dans laquelle deux agents de codage s'évaluent mutuellement au fil de tours Red-Blue en miroir, les tâches et les oracles étant créés au moment de l'évaluation, de sorte qu'aucun contenu n'existe à l'avance et ne peut fuiter.

• Un tournoi réunissant 11 participants modèle-harnais s'est déroulé sur 15 dépôts dans cinq langages pendant 1 500 tours.
• GPT-5.5 avec Codex CLI s'est classé premier comme meilleur solveur, réparant 98,3 % des défauts qu'il a examinés.
• Claude Opus 4.8 avec mini-swe-agent s'est classé deuxième comme meilleur auteur de tâches, avec un taux de victoire Red de 27,3 %.
• Au sein d'une même famille de modèles, les tâches écrites par la version la plus récente ont battu un solveur de référence fixe bien plus souvent que celles des versions plus anciennes (42,9 % contre 4,0 %).

Pour les équipes qui construisent des agents de codage, cette arène lie la difficulté d'évaluation à la capacité de rédaction de tâches, ce qui implique de mesurer à la fois la résolution et la conception de tâches.

Article IBM Research : rendre la conception de puces assistée par IA abordable grâce à des usines d'agents ouvertes et à l'inférence distribuée à grande échelle

Un résumé d'article d'IBM Research propose de combiner des usines d'agents ouvertes et l'inférence distribuée à grande échelle pour rendre la conception de puces assistée par IA plus abordable.

• La source est un résumé d'article d'IBM Research.
• Le titre cite deux leviers : les usines d'agents ouvertes et l'inférence distribuée à grande échelle.
• L'objectif annoncé est de rendre abordable la conception de puces assistée par IA.

Pour les constructeurs d'IA, cela suggère d'associer des agents de conception de puces à l'inférence distribuée pour maîtriser le coût des flux de conception à grande échelle.

Nouveau modèle OpenRouter : LiquidAI LFM2.5-24B-A2B

LFM2.5-24B-A2B est un modèle de raisonnement à mélange d'experts de Liquid AI, avec 24B de paramètres au total et 2,45B de paramètres actifs, qui raisonne toujours avant de répondre et est conçu pour les agents qui appellent des outils.

• 24B de paramètres au total et 2,45B de paramètres actifs.
• Fenêtre de contexte de 128 000 tokens, avec prise en charge de jusqu'à 8 192 tokens de complétion.
• Tarif de 0,05 $ par million de tokens d'entrée et 0,70 $ par million de tokens de sortie, avec lecture du cache à 0,025 $ par million de tokens.
• Accepte tools et tool_choice pour l'appel de fonctions et prend en charge les sorties structurées via un schéma JSON dans response_format.

Pour les développeurs d'agents appelant des outils, 2,45B de paramètres actifs avec un contexte de 128K et un prix d'entrée bas conviennent aux pipelines de raisonnement augmenté par la recherche à haut débit.

openbmb publie MiniCPM-V-4.7-35B-A3B, premier modèle MoE de la série MiniCPM-V

openbmb a publié MiniCPM-V-4.7-35B-A3B, premier modèle MoE de la série MiniCPM-V, sous licence Apache-2.0, avec compréhension d'images, d'images multiples et de vidéos et une inférence embarquée annoncée comme fluide.

• Le modèle compte 35,2B de paramètres en architecture MoE, avec un pipeline image-text-to-text et une licence apache-2.0.
• La publication indique qu'en mode Instruct, 35B-A3B obtient un score global supérieur en moins de temps d'inférence que Qwen3.6 35B-A3B.
• Il prend en charge les frameworks d'inférence SGLang, vLLM, llama.cpp et Ollama ainsi que le fine-tuning SWIFT et LLaMA-Factory, et fournit des variantes quantifiées GGUF, BNB, AWQ, GPTQ et FP8.

Pour les développeurs visant téléphones ou puces embarquées, les poids Apache-2.0, les multiples formats de quantification et le support des frameworks courants permettent de tester sur leurs propres appareils le décodage annoncé à 13+ toke...

Nous avons passé six mois à perdre l'argent de 3 500 bots de trading IA, puis nous avons écrit un article

Selon 科技行者, une étude a fait fonctionner 3 500 bots de trading IA pendant six mois, et tous leurs fonds ont été perdus, après quoi les chercheurs ont rédigé un article.

• L'expérience a duré six mois.
• L'expérience a porté sur 3 500 bots de trading IA.
• Tous les fonds des bots de trading IA ont été perdus.

Pour les constructeurs d'IA, cette expérience suggère que les agents de trading IA peuvent faire face à un risque de perte systémique sur les marchés, ce qui exige une évaluation prudente avant déploiement.

Microsoft Research présente StudentSim pour évaluer les tuteurs IA avec des élèves simulés

StudentSim est un système de recherche qui entraîne des simulateurs d'élèves IA personnalisés à partir de dossiers d'apprenants dé-identifiés et publiquement disponibles, afin d'évaluer et d'améliorer les outils de tutorat IA avant les tests avec de vrais apprenants. Les travaux introduisent aussi StudentSimEval, un be...

• 论文摘要：StudentSim 是在真实学习者测试之前评估和改进 AI 辅导工具的研究系统，它不是产品，未部署在课堂，也不打算取代教师。
• 在国际象棋中，StudentSim 的行为保真度为 0.5150，指导响应度为 0.9067；GPT-5.4 分别为 0.2316 和 0.7186，国际象棋专用预测模型 Maia2 分别为 0.4535 和 0.2721。
• 在国际象棋辅导强化学习研究中，使用 StudentSim 作为奖励来源训练的辅导模型达到 90.5% 准确率，无强化学习基线为 75.7%，使用 GPT-5.4 作为模拟学生奖励来源为 71.6%。
• 研究仅使用为研究发布的、去标识化的公开学习者数据集，每个个性化模拟器只在该学生自己的去标识化记录上训练。

Pour les équipes qui construisent des tuteurs IA, StudentSim offre un moyen de générer des signaux de retour évolutifs à partir de dossiers d'apprentissage réels avant de mener des études coûteuses avec de vrais apprenants.

CLEAT : apprendre la clarification guidée par la valeur pour les agents interactifs

L'article présente CLEAT, un cadre qui co-entraîne un contrôleur de valeur de clarification et la politique de tâche à partir de résultats d'interaction partagés, en mesurant par la valeur de requête résiduelle l'utilité gagnée à poser une question plutôt qu'à poursuivre.

• Avec Qwen3-4B, CLEAT obtient le meilleur score moyen dans les dix configurations d'évaluation sur quatre benchmarks.
• L'article rapporte des gains sur la meilleure baseline de 13,2 points de pourcentage sur UserGym Travel et de 6,5 points de pourcentage sur la précision de jugement d'underspecification d'IN3.

Pour les concepteurs d'agents interactifs, ce travail indique que la valeur d'une question de clarification doit être réestimée à mesure que la politique évolue, plutôt que fixée par une heuristique statique.

Know What You Don't Know: Agentic Data Synthesis by Evolving Generation Space for Closed-Loop Learni...

论文摘要：Know What You Don't Know：围绕大语言模型的能力、评测或对齐问题展开，适合关注方法与实验结果。

This is a useful technical direction to keep on the radar, even if it does not require immediate action.