AI FRONTIER
Signals worth understanding before they become obvious.
BEVCast : un BEV adaptatif au trajet pour une conduite autonome de bout en bout efficace
BEVCast est un BEV en deux étapes dont la résolution s'adapte au trajet de conduite prédit : une passe grossière encode toute la scène sur des cellules de 4,096 m, une tête de chaleur entraînée sur le trajet enregistré sélectionne les cellules les plus chaudes pour un raffinement en cellules de 1,024 m sous budget fixe...
- Avec un budget de raffinement de 10 %, BEVCast encode 28 % des requêtes BEV et nécessite 66 % du temps d'encodeur BEV à taille de lot 1, contre une grille complète de 1,024 m.
- Sur nuScenes, son erreur de déplacement moyenne est de 1,078 m contre 1,149 m et son taux de violation de zone praticable de 1,46 % contre 2,29 %.
- Sur NAVSIM navtest, son erreur de déplacement moyenne est de 0,577 m contre 0,598 m et son score de modèle de conducteur prédictif étendu de 82,51 contre 81,28.
- La méthode n'a besoin ni de carte HD ni de commande de navigation, et la tête de trajectoire lit un BEV à résolution mixte couvrant toujours toute la scène.
Pour la perception BEV en conduite autonome, allouer la résolution le long du trajet prédit réduit les requêtes et le temps d'encodeur tout en conservant la couverture complète, offrant aux modèles de bout en bout un budget de calcul ajusta...
InstaGen : échantillonnage d'importance partagé par groupe pour une génération vidéo rapide
L'article présente InstaGen, qui reformule la sélection de blocs dans l'attention permutée à blocs épars (PBSA) des Diffusion Transformers comme un échantillonnage d'importance : les clés les mieux notées forment un ensemble exact calculé intégralement, tandis que les clés restantes sont représentées par un échantillon...
- Sur Wan2.1-T2V-1.3B et Wan2.1-T2V-14B, InstaGen paramétré par SVG2 améliore le PSNR par rapport à SVG2 de 3,4 dB et 2 dB respectivement, à densité d'attention égale.
- À temps réel égal, le PSNR s'améliore de 1,6 dB et 2,2 dB respectivement.
- Sur Wan2.1-T2V-14B, InstaGen dépasse SVG-EAR de 1,1 dB de PSNR à densité presque identique, tout en tournant à 1,65x par rapport au dense contre 1,48x pour SVG-EAR.
Remplacer la sélection de blocs top-p par un ensemble exact complété par un échantillonnage d'importance peut améliorer directement la qualité de diffusion vidéo sans accroître la densité d'attention ni la latence.
Forcer une lettre supprime le refus : preuves mécanistes issues de WMDP
L'article fournit une première explication mécaniste de la raison pour laquelle le format à choix multiples réduit les taux de refus, testée sur le jeu de données WMDP avec deux modèles, Llama-3.1-8B et Qwen3-8B.
- À l'aide de la technique tuned lens, l'article montre que le modèle se fixe très rapidement sur un token de lettre de réponse en QCM, contrairement à la construction graduelle du refus dans les formats ouverts.
- Les activations au format QCM se situent environ 3 fois plus loin de la direction de refus que leurs équivalents en format ouvert.
- L'ablation des têtes d'attention qui portent la réponse QCM augmente le refus, ce que l'article présente comme une preuve directe que la sélection de réponse QCM entre en compétition avec le refus.
- L'article a été accepté à BlackboxNLP 2026 (atelier EMNLP 2026) et compte 17 pages et 15 figures.
Les développeurs d'évaluations de sécurité doivent noter que les scores de sécurité en QCM mesurent principalement les capacités de connaissance et n'évaluent pas les mécanismes de sécurité du modèle.
ccore/Qwen3.5-4B-3D-Coder, aperçu précoce axé sur la génération de scènes 3D Three.js
Il s'agit d'un aperçu précoce d'un modèle 4B affiné indépendamment par CCORE à partir de Qwen/Qwen3.5-4B, axé sur le codage général et la génération de scènes 3D interactives avec Three.js ; ce n'est pas une version officielle de Qwen. Les poids FP16 Safetensors, les versions GGUF Q4_K_M et Q8_0, le jeu de données d'en...
- La fiche du modèle indique 947 mentions J'aime, 289 466 téléchargements le mois dernier et une licence Apache-2.0.
- Le jeu de données d'entraînement CCORE Three.js 3D Scenes contient 4 146 exemples de scènes (3 933 entraînement / 213 validation) et est publié sous licence MIT.
- Les versions GGUF Q4_K_M et Q8_0 peuvent accepter des images avec un projecteur visuel BF16 d'environ 644 MiB ; l'auteur indique l'avoir testé localement avec llama.cpp b11889.
Pour les développeurs d'outils 3D ou de codage créatif, il s'agit d'un petit modèle déployable localement, doté d'un jeu de données public et de versions quantifiées, ce qui en fait un point de départ concret pour affiner et évaluer la géné...
Introduction de Control Room : le contrôle humain sur les charges de travail d'IA
Control Room d'OpenAI suit les charges de travail des modèles sur son infrastructure de recherche et peut les arrêter rapidement en cas de préoccupations de sûreté ou de sécurité.
- Control Room suit les charges de travail des modèles sur l'infrastructure de recherche d'OpenAI.
- Control Room peut arrêter rapidement ces charges de travail en cas de préoccupations de sûreté ou de sécurité.
Pour les équipes qui exécutent des modèles sur une infrastructure de recherche partagée, Control Room indique que la capacité d'arrêt rapide est conçue comme une couche de contrôle distincte plutôt que laissée aux garde-fous de chaque charg...
Évaluation hors politique en grande dimension sans division d'échantillon grâce à une correction d'Onsager
L'article développe un critère corrigé par Onsager et pondéré par la politique cible qui estime le risque hors échantillon du modèle de récompense entraîné sur toutes les données sous la politique cible, en utilisant uniquement ses observations d'entraînement, ce qui permet un arrêt précoce le long de la trajectoire de...
- L'article prouve une garantie quasi-oracle pour le modèle de récompense sélectionné sous ces mêmes hypothèses.
Pour les développeurs IA pratiquant l'évaluation hors politique, cela permet de sélectionner des modèles de récompense et d'obtenir des estimations de valeur doublement robustes à partir de la trajectoire d'entraînement sur données complète...
VoluCompose : construire des représentations visuelles volumétriques compactes pour la compréhension d'images médicales
VoluCompose est un cadre sans entraînement et agnostique au modèle qui sépare le contenu visuel à conserver du nombre de tokens à allouer, via un module de composition hyperbolique de tokens et un module de contrôle de capacité fondé sur l'entropie d'attention pour compresser les images médicales volumétriques.
- L'article rapporte que, sur neuf configurations calibrées, VoluCompose atteint le plus grand hypervolume moyen de qualité-rétention parmi les méthodes comparées.
- L'article rapporte une qualité relative moyenne de 121,68 % par rapport aux références non compressées tout en conservant en moyenne 22,78 % des tokens visuels.
- L'article rapporte que la compression reste robuste même avec un budget de 10 % de tokens, le plus faible ratio ROUGE-L par rapport à la référence non compressée étant de 96,4 % pour VoluCompose.
- L'article rapporte que les minima correspondants pour les méthodes de compression de référence vont de 15,0 % à 70,5 %.
Pour les développeurs de modèles vision-langage médicaux, VoluCompose montre que les tokens volumétriques peuvent être réduits à environ 22,78 % sans entraînement tout en préservant la qualité, ce qui abaisse le coût d'inférence des longues...
De la géométrie à la fonction : un jeu de données de référence LiDAR multi-tâches pour l'analyse sémantique et fonctionnelle des façades urbaines
L'article présente HFX3D, un benchmark de façades urbaines à grande échelle d'environ 492 millions de points LiDAR issus de 26 bâtiments à Halifax, au Canada, capturés au fil des quatre saisons, de jour et de nuit et par temps varié, chaque façade étant annotée selon trois niveaux : sémantique, instance et attributs fo...
- HFX3D contient environ 492 millions de points LiDAR issus de 26 bâtiments à Halifax, au Canada.
- Les données couvrent les quatre saisons, le jour et la nuit, ainsi que des conditions météorologiques variées.
- Chaque façade est annotée selon trois niveaux : sémantique, instance et attributs fonctionnels par instance.
Ce benchmark déplace l'évaluation au-delà de la géométrie et de la segmentation sémantique vers le raisonnement fonctionnel, offrant aux développeurs un banc d'essai quantitatif pour des modèles de compréhension urbaine 3D sensibles à la fo...