AI FRONTIER
Signals worth understanding before they become obvious.
LRMoE : recalibrage de la charge côté demande pour un entraînement MoE efficace sur des nœuds à mémoire contrainte
LRMoE est un système d'entraînement MoE sensible à la mémoire qui recale conjointement la demande en rétropropagation et équilibre la charge de travail conservée, en utilisant un routage sensible à la capacité et une compaction physique pour réduire le trafic inverse, le calcul et la demande en tampons d'exécution. L'a...
- L'article rapporte que sur Qwen3-30B-A3B et GLM4.5-106B-A12B, LRMoE réduit le temps d'entraînement cumulé des couches MoE jusqu'à des objectifs de perte fixés de 21,2-44,8 % par rapport à SYMI.
- Pendant l'exécution en passe avant, il planifie des quotas de rétention et le placement des experts sous contraintes de ressources tout en préservant tous les calculs routés.
- Pendant la rétropropagation, une métrique de recalibrage de charge estime la contribution de chaque paire token-expert à la mise à jour de l'expert et sélectionne les paires dans ces quotas.
Pour les équipes qui entraînent des MoE épars sur des nœuds GPU à mémoire contrainte, LRMoE montre que sélectionner les paires token-expert selon leur contribution en rétropropagation peut réduire le trafic inverse et la demande en tampons ...
Détecter la collusion dissimulée entre agents d'IA par l'écoute positive partenaire-extérieur
L'article propose un test comportemental, Partner-Outsider Positive Listening (PoPLi) : un partenaire qui utilise un code secret réagit au libellé exact d'un message, alors qu'un agent non impliqué placé à sa place ne le fait pas. PoPLi est la différence entre les deux agents dans l'ampleur du changement de leur action...
- PoPLi détecte l'usage d'un canal privé, et non la collusion en tant que telle, et il ne peut pas détecter une collusion reposant uniquement sur les incitations ou sur des codes portés par le sens.
- La méthode est calculée a posteriori en rejouant les prompts enregistrés, et l'article est indiqué comme travail en cours.
Pour les concepteurs de systèmes multi-agents, PoPLi apporte un audit comportemental par rejeu de journaux capable de révéler un canal privé derrière des messages d'apparence anodine, tout en laissant hors périmètre la collusion par incitat...
WebAnything : du Web sauvage à des environnements d'agents évolutifs
WebAnything est un cadre entièrement automatisé qui reconstruit des environnements Web réutilisables et ancrés dans leurs sources à partir d'URL réelles, sans implémentation manuelle par site ni réparation après la configuration et l'autorisation initiales. L'article rapporte la construction de 244 artefacts de sites W...
- L'article rapporte la construction de 244 artefacts de sites Web couvrant 14 domaines d'application et 53 catégories, prenant en charge 12 984 tâches exécutées et acceptées.
- Comparé à WebHarbor assisté par l'humain, WebAnything obtient des scores agrégés plus élevés sur trois métriques de fidélité, avec 12 victoires, deux égalités et aucune défaite lors d'un audit en aveugle.
Pour les constructeurs d'agents, cela montre que des environnements Web réinitialisables d'entraînement et d'évaluation peuvent être générés automatiquement à partir d'URL réelles sans ingénierie par site, avec des gains de réglage fin quan...
ThinkJev : une seule pensée, tous les budgets pour des décisions typées calibrées
ThinkJev construit un système rapide et un système lent à partir d'un seul modèle ouvert à réflexion hybride : le System 1 lit les probabilités des lettres d'options lorsque le modèle répond directement, et le System 2 lit les mêmes lettres après que le modèle a réfléchi sur le même prompt mis en cache, de sorte que l'...
- Avec un taux d'erreur cible de 5 %, Qwen3.5-27B répond à 24,5 % des 8359 décisions de test avec le System 1 seul, pour une erreur réalisée de 3,9 % (Qwen3.5-4B et 9B : 6,5 % et 0,0 %).
- Pour les décisions restantes, arrêter chaque réflexion dès que sa réponse est confiante atteint 81,6 % de précision contre 82,7 % en réfléchissant toujours, avec 72 % des tokens de réflexion.
Pour les développeurs de services de décisions typées, cela suggère de réutiliser un prompt mis en cache et ses probabilités de lettres sur un seul modèle ouvert à réflexion hybride, puis de décider par décision s'il faut réfléchir sous gar...
Mesurer où l'intention se perd dans la synthèse agentique de contrats intelligents
L'article conçoit une évaluation fondée sur l'exécution qui rejoue les mêmes transactions sur un contrat écrit par IA et sur l'original qu'il doit reproduire afin de mesurer leur fréquence d'accord, et propose une architecture « elicitation-first » qui pose une courte liste de questions au client avant d'écrire le code...
- L'article rapporte que vérifier uniquement les fonctions que tous les systèmes incluent a masqué environ la moitié de la différence entre les pipelines.
- L'article rapporte que demander d'abord a compté bien plus que réviser ou corriger après coup sur trois modèles d'IA, tandis que les correctifs de sécurité automatisés cassent souvent le comportement demandé.
- L'article rapporte que les méthodes courantes, comme les juges IA et les outils d'analyse standard, manquent des erreurs évidentes, et que les choix de notation comptent aussi.
- Les auteurs publient leurs outils, 600 tâches et tous les résultats ; l'article a été accepté à ACM TheWebConf2027.
Pour la génération de code agentique, il faut recueillir les exigences manquantes avant la génération et valider contre une clé de réponse exécutable écrite indépendamment, plutôt que de compter sur une revue a posteriori ou un correctif de...
OpenFrontiers : une collection de problèmes de recherche ouverts et un benchmark pour la redécouverte scientifique
OpenFrontiers associe un corpus structuré de 12 151 problèmes de recherche ouverts à un benchmark rétrospectif de 200 problèmes de mathématiques, dont 110 résolus en 2026 et 90 encore ouverts, chacun accompagné d'un énoncé Lean 4 vérifié par des sondes automatisées et deux revues indépendantes.
- Le corpus enregistre les énoncés, le contexte, les progrès et d'autres informations pour 12 151 problèmes.
- Le benchmark contient 200 problèmes, dont 110 résolus en 2026 et 90 encore ouverts, chacun avec un énoncé Lean 4 vérifié par des sondes automatisées et deux revues indépendantes.
- Un sous-ensemble HQ-50 filtre davantage selon le score de qualité, etc.
- Le protocole d'évaluation note les preuves formelles avec deux vérificateurs indépendants dans un bac à sable isolé, en conditions de livre fermé, de récupération figée et de web en direct.
Comme le benchmark sépare la notation formelle selon les conditions livre fermé, récupération figée et web en direct, les constructeurs peuvent distinguer une véritable redécouverte de la récupération de solutions publiées.