AI FRONTIER
Signals worth understanding before they become obvious.
Mage-VL-Cowork : une recette d'entraînement complète pour apprendre l'usage hybride de l'ordinateur à partir de harnais évolués
L'article présente Mage-VL-Cowork, un agent d'usage informatique hybride de 4B entraîné depuis un point de contrôle général aligné multimodalement via un curriculum progressif de cinq étapes de bout en bout couvrant le midtraining, le SFT et le RL. Mage-CUA-Forge synthétise 293 806 tâches de bureau et web sur 6 915 com...
- Mage-VL-Cowork est un CUA hybride de 4B entraîné depuis un point de contrôle général aligné multimodalement.
- L'entraînement suit un curriculum progressif de cinq étapes de bout en bout couvrant le midtraining, le SFT et le RL.
- Mage-CUA-Forge synthétise 293 806 tâches de bureau et web sur 6 915 compétences.
- L'article rapporte que Mage-VL-Cowork-4B atteint 66,0 % sur OSWorld-Verified et affirme obtenir des performances de pointe à sa taille de paramètres.
Pour les équipes qui construisent des agents embarqués, cette recette montre qu'une synthèse de tâches réutilisable conditionnée par compétence, combinée à un harnais enseignant évolué, peut unifier l'interaction GUI avec l'exécution de cod...
mistralai/Mistral-Large-4-1T-A52B : un MoE multimodal natif de 1 000 milliards de paramètres
Mistral a publié Mistral Large 4, un modèle Mixture-of-Experts multimodal natif de 1 000 milliards de paramètres avec 52 milliards de paramètres actifs par token, une fenêtre de contexte de 1M et la prise en charge de plus de 160 langues sous la licence Mistral Ecosystem Open-Weight License.
- Environ 1T de paramètres au total / environ 52B actifs, avec 128 experts routés (4 actifs par token) et 1 expert partagé
- Prend en charge une fenêtre de contexte de 1M et une entrée multimodale native texte et image avec un encodeur visuel de style Pixtral
- Entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les propres centres de données de Mistral en Europe
- Rapporte 48 % sur l'Artificial Analysis Coding Agent Index, pratiquement à égalité avec le principal modèle à poids ouverts GLM-5.3, tout en utilisant en moyenne 47 % de tokens en moins par tâche
Pour les développeurs de workflows multimodaux et agentiques, ce modèle offre un contexte de 1M et un appel de fonctions natif en poids ouverts, mais l'échelle de 1T de paramètres impose un déploiement tensor-parallel multi-GPU et l'usage c...
AutoHebb : des réseaux neuronaux auto-modifiants qui infèrent en zéro-shot et apprennent en continu
L'article introduit les réseaux hebbiens autonomes (AutoHebb), une classe de réseaux neuronaux feedforward à apprentissage en ligne qui combinent un retour externe et une activité générée en interne pour produire un signal d'apprentissage global (neuromodulateur), lequel contrôle une règle d'apprentissage locale hebbie...
- L'article rapporte que les réseaux AutoHebb réussissent des tâches d'inférence zéro-shot (ZI).
- L'article rapporte des capacités émergentes (non entraînées) de ZI et d'apprentissage continu (CL).
- L'article rapporte qu'AutoHebb se prête à une rétro-ingénierie en algorithmes explicites.
Pour les constructeurs d'IA, rechercher des poids fixes par méta-apprentissage tout en mettant à jour les poids plastiques via une règle hebbienne à trois facteurs offre une voie alternative analysable vers l'apprentissage continu en ligne ...
DyCraft : un système agentique pour la génération de scènes 4D sur long horizon
DyCraft décompose la génération d'animation en étapes : il développe d'abord le prompt de l'utilisateur en un plan détaillé et construit une scène statique, puis crée un storyboard 3D des poses d'animation clés afin qu'un agent de codage puisse écrire un mouvement local entre des états de départ et d'arrivée vérifiés.
- L'article évalue DyCraft sur 24 tâches d'animation multi-plans et sur long horizon, couvrant des robots humanoïdes, des personnages humains et animaux, ainsi que des mécanismes physiques.
- L'article rapporte que les agents de codage de pointe équipés de harnais généralistes produisent fréquemment des objets qui s'interpénètrent, manquent de support physique ou se déplacent de manière non naturelle.
- DyCraft utilise un storyboard 3D pour décomposer le problème en paires d'états de départ et d'arrivée vérifiés, associées à une collection d'outils d'écriture de mouvement.
- L'article a été soumis à arXiv le 29 octobre 2026 (arXiv:2610.40754, cs.CV).
Pour les développeurs de pipelines 3D et d'animation, DyCraft indique que découper la génération sur long horizon en états de départ et d'arrivée vérifiables indépendamment limite mieux les violations physiques que de laisser un agent scrip...
OpenAI présente LifeVal, un benchmark pour l'IA sur les tâches quotidiennes
OpenAI présente LifeVal, un benchmark qui mesure dans quelle mesure l'IA aide les personnes à accomplir des tâches quotidiennes, de la recherche de garde d'enfants à la gestion des finances et aux démarches administratives.
- LifeVal est un benchmark présenté par OpenAI.
- Il mesure dans quelle mesure l'IA aide les personnes à accomplir des tâches quotidiennes.
- Les exemples de tâches incluent la recherche de garde d'enfants, la gestion des finances et les démarches administratives.
Pour les développeurs d'IA, LifeVal déplace l'évaluation vers des tâches réelles comme la garde d'enfants, les finances et les démarches administratives, indiquant où cibler les améliorations des modèles.
Qodo intègre le contexte à la revue de code IA avec Codex
Qodo apporte les connaissances de l'entreprise et les standards de codage dans Codex, aidant les développeurs à détecter les problèmes P0 sur l'ensemble des dépôts avant d'ouvrir une pull request.
- Qodo apporte les connaissances de l'entreprise et les standards de codage dans Codex.
- L'intégration aide les développeurs à détecter les problèmes P0 sur l'ensemble des dépôts avant d'ouvrir une pull request.
Pour les constructeurs d'IA, injecter un contexte propre à l'organisation dans les agents de revue de code déplace la revue des vérifications génériques vers la détection des problèmes graves avant la PR.
Un nouvel article de Yann LeCun, 66 ans, remet en cause la Scaling Law : 109 millions de paramètres surpassent 72 milliards
Yann LeCun a publié un nouvel article rapportant qu'un modèle de 109 millions de paramètres a surpassé un modèle de 72 milliards de paramètres, remettant en cause l'hypothèse de la Scaling Law selon laquelle des modèles plus grands comprennent nécessairement mieux le monde.
- L'article rapporte qu'un modèle de 109 millions de paramètres a surpassé un modèle de 72 milliards de paramètres.
- L'article a été publié par Yann LeCun, âgé de 66 ans.
- L'article remet en cause la Scaling Law, soutenant que des modèles plus grands ne comprennent pas nécessairement mieux le monde.
Pour les constructeurs d'IA, cet article suggère que l'échelle des paramètres n'est pas le seul déterminant de la compréhension du monde, et que l'architecture et les objectifs d'entraînement peuvent compter davantage.