AI FRONTIER
Signals worth understanding before they become obvious.
FairStress : une évaluation plus approfondie de l’équité dans la prise de décision des LLM
Ai2 présente FairStress, un benchmark de 300 scénarios de décision à deux candidats couvrant 29 domaines, qui teste si les modèles changent de décision de façon asymétrique sous des préfixes adversariaux ; la combinaison des variations d’identité et de préfixe le porte à plus de 13 millions de cas de test.
- FairStress contient 300 scénarios réalistes de décision entre deux candidats dans 29 domaines, dont le recrutement, la santé, le crédit, l’éducation, le logement et la justice pénale.
- La combinaison des variations d’identité démographique et de préfixe adversarial étend les 300 scénarios à plus de 13 millions de cas de test.
- FairStress-Core est un sous-ensemble de 50 000 éléments sélectionné par théorie de la réponse à l’item pour rendre l’évaluation plus rapide et moins coûteuse en calcul.
- L’article rapporte un écart moyen d’abandon des réponses correctes, sur 15 modèles, de 6,9 points de pourcentage avec une identité implicite et de 9,3 points avec des étiquettes explicites.
Les développeurs devraient étendre l’évaluation de l’équité au-delà du choix final vers la stabilité décisionnelle, car la notation à options fixes peut manquer la surcorrection dans les décisions générées.
ALTK-Evolve : une mémoire apprise place en tête du classement τ²-bench sur les tâches de service client sans modèle de frontière
ALTK-Evolve d'IBM Research extrait des règles comportementales des propres tentatives de l'agent et les ajoute au prompt système, améliorant les agents de service client sans mise à jour des poids du modèle. Un agent ReAct utilisant GPT-4.1 atteint 67,5 % de Pass^4 sur τ²-bench retail, au-dessus de toutes les entrées r...
- Retail : le Pass^4 de référence était de 57,5 % ; la configuration lossless (292 règles) l'a porté à 67,5 % (+10,0 points), et la précision moyenne est passée de 78,1 % à 82,5 % (+4,4).
- Airline : le Pass^4 de référence était de 35,0 % ; la configuration sup3 (14 règles) l'a porté à 45,0 % (+10,0), et la précision moyenne lossless est passée de 57,5 % à 65,0 % (+7,5).
- Classement retail : Pass^4 = 67,5 %, devant RAFT-30B-A3B (61,4 %), un modèle affiné sur des données retail τ²-bench synthétiques, de 6,1 points.
- Classement airline : l'agent utilisant gpt-5.5 atteint 82,0 % de Pass^4, dépassant toutes les entrées de frontière (66–72 %) ; la configuration sup3 avec gpt-4.1 atteint 44 %, au 8e rang.
Une mémoire apprise au niveau du prompt peut hisser un agent à modèle standard au niveau des frontières sans affinage des poids, le coût reposant surtout sur des tokens d'entrée cacheables.
Ant Ling ouvre la série vocale Ming-3.0 : cinq modèles couvrant la synthèse, la reconnaissance et la compréhension de la parole
Ant Ling a ouvert la série vocale Ming-3.0, composée de cinq modèles couvrant la synthèse vocale, la reconnaissance vocale et la compréhension de la parole.
- La publication provient d'Ant Ling.
- La série vocale Ming-3.0 comprend cinq modèles.
- La couverture inclut la synthèse, la reconnaissance et la compréhension de la parole.
Pour les développeurs, disposer en une seule publication de cinq modèles vocaux ouverts couvrant synthèse, reconnaissance et compréhension réduit le coût d'assemblage de modèles de sources différentes dans un pipeline vocal.
Clés API divulguées dans les LLM : comment les agents IA exposent des secrets
Un résumé d'article traite des clés API divulguées dans les LLM, en se plaçant dans le cadre des questions de capacité, d'évaluation ou d'alignement des grands modèles de langage et en s'adressant aux lecteurs suivant les méthodes et les résultats expérimentaux.
- La source est le blog GitGuardian, avec le titre « Leaked API Keys in LLMs: How AI Agents Expose Secrets ».
- Le résumé indique que les travaux portent sur des questions de capacité, d'évaluation ou d'alignement des grands modèles de langage.
- Le résumé indique que les travaux s'adressent aux lecteurs intéressés par les méthodes et les résultats expérimentaux.
Les développeurs d'agents LLM doivent considérer les clés API comme des secrets susceptibles d'être exposés et concevoir leurs défenses sur cette base.
NVIDIA Cosmos3-H-Dreams : donner vie à la chirurgie clinique par la simulation générative
NVIDIA publie Cosmos3-H-Dreams, un simulateur chirurgical génératif temps réel fondé sur Cosmos3-H-Embodied-Nano (16 milliards de paramètres) et entraîné sur des vidéos de cholécystectomie clinique et la cinématique robotique, fonctionnant de manière interactive sur un seul GPU NVIDIA RTX PRO 6000.
- Fondé sur Cosmos3-H-Embodied-Nano, un modèle de 16 milliards de paramètres pré-entraîné sur Open-H-Embodiment.
- L'entraînement utilise des vidéos 832 x 480 avec des actions alignées à 10 Hz et 28 dimensions d'action.
- Le modèle enseignant est d'abord adapté sur 24 images futures, puis étendu à 72 images, soit 2,4 et 7,2 secondes à 10 Hz.
- Des checkpoints de débruitage à quatre et deux étapes sont publiés ; le modèle à deux étapes est entraîné séparément, et non le modèle à quatre étapes exécuté avec moins d'étapes d'échantillonnage.
Les développeurs peuvent adapter ce modèle de monde chirurgical temps réel à leurs propres vidéos et données de contrôleur grâce à la recette fournie de fine-tuning de l'enseignant et de distillation Self-Forcing.
AnyLanguageModel 1.0 : un an de modèles locaux sur les plateformes Apple
AnyLanguageModel 1.0 est publié comme remplacement direct du framework Foundation Models d'Apple : le même code de session peut cibler le modèle système, des modèles à poids ouverts via llama.cpp, MLX et Core ML, ainsi que plusieurs fournisseurs hébergés.
- Remplacer import FoundationModels par import AnyLanguageModel permet au même code de session de fonctionner avec le modèle système, llama.cpp, MLX, Core ML et les fournisseurs hébergés.
- L'appel d'outils et la génération guidée fonctionnent désormais avec tous les fournisseurs, y compris les types @Generable imbriqués et leurs tableaux.
- Les fournisseurs hébergés incluent les API Chat Completions et Responses d'OpenAI, Open Responses, l'API Messages d'Anthropic, l'API Gemini de Google, Ollama, Private Cloud Compute et Hugging Face Inference Providers.
- Les modèles cités dans l'article incluent Gemma 4 E2B (GGUF, environ 3,4 Go en Q4_0), LFM2.5 2.6B (GGUF, environ 1,7 Go en Q4_K_M), Qwen3.8 27B (MLX, environ 16 Go en 4 bits) et GLM-5.3 (environ 1,5 To en BF16).
Pour les développeurs sur plateformes Apple, un simple changement d'import fait partager un même code de session à l'inférence locale et hébergée, réduisant le travail d'intégration par fournisseur.
OpenMOSS-Team publie MOSS-Image-SFT, un modèle texte-image de 5,1B sous Apache-2.0
MOSS-Image-SFT est un modèle texte-image affiné par supervision dans la famille MOSS-Image d'OpenMOSS, dérivé de MOSS-Image-Base avec la même architecture et le même pipeline d'inférence, prenant en charge les prompts en langage naturel, les séquences de tags et les layouts JSON pour contrôler le placement du texte et ...
- Le modèle compte 5B paramètres, et ses poids ainsi que le code d'inférence fourni sont publiés sous licence Apache, version 2.0.
- La fiche du modèle indique que le SFT produit un regroupement de texte plus clair et une disposition de tableau blanc plus organisée que MOSS-Image-Base.
- L'exécution nécessite Python 3.10 ou ultérieur, un GPU NVIDIA compatible CUDA et une version de PyTorch 2.9 ou ultérieure.
- Les réglages d'échantillonnage par défaut sont Flow-matching Euler, 50 étapes, CFG 3, Shift 5, avec saut de la couche d'indice 22 pour la branche négative.
Pour les développeurs, un modèle texte-image de 5B sous Apache-2.0 avec contrôle par layout JSON s'intègre directement aux pipelines créatifs exigeant un placement précis du texte et des objets.