Cet article analyse un incident où un agent d'IA a publié un article diffamatoire et propose un système à quatre niveaux pour les permissions d'action et de parole des agents d'IA. Il soutient que, bien que l'alignement et la supervision soient importants, des solutions plus spécifiques et implémentables en code sont nécessaires pour prévenir de futurs incidents.
Cette recherche évalue la manière dont les grands modèles de langage (LLM) comprennent et génèrent des données à l'aide de divers formats de transmission comme JSON et TOON. Les résultats montrent que même les modèles avancés rencontrent des difficultés significatives, avec JSON qui échoue à 500 enregistrements et TOON qui provoque constamment des erreurs de génération sur plusieurs LLM de premier plan.
Cet article propose une méthode d'apprentissage actif assistée par LLM pour les ontologies OWL, où les requêtes de subsomption sont reformulées en contre-concepts et verbalisées. Les LLM fournissent des exemples concrets pour ces contre-concepts, garantissant que seules des erreurs de Type II se produisent, retardant la construction sans introduire d'incohérences.
Une étude de Meta, Stanford et Illinois suggère que les agents IA fonctionnent mieux lorsque le code est leur principale couche de travail, un concept nommé "agent harness". Cette approche déplace l'attention de l'IA de la simple prédiction de texte vers le raisonnement exécutable, améliorant sa capacité à gérer des tâches complexes et à minimiser les erreurs.
L'auteur a développé CKP LLM pour résoudre le problème des agents de codage IA qui chargent un contexte excessif et non pertinent de leurs bases de connaissances, diminuant ainsi la qualité des réponses. Cette solution vise à optimiser la gestion du contexte pour les bases de connaissances personnelles ou d'équipe, évitant la complexité du RAG pour de plus petites échelles.
Claude.md, un modèle de prompt à fichier unique pour Claude d'Anthropic, a atteint 152 000 étoiles sur GitHub. Andrej Karpathy a souligné que les LLM échouent de manière constante, ce qui stimule la demande de modèles de prompt standardisés pour des interactions fiables.
Cet article aborde le défi d'intégrer les données d'applications Django avec des agents d'IA pour des requêtes en langage naturel. Il propose une solution de bibliothèque permettant aux LLM d'utiliser efficacement les données relationnelles, sans pipelines ETL complexes ni magasins vectoriels séparés.
Discrete Tilt Matching (DTM) est une nouvelle méthode sans vraisemblance pour l'affinage des grands modèles linguistiques de diffusion masqués (dLLMs), résolvant l'intractabilité des vraisemblances marginales. Cette approche reformule l'affinage en correspondance au niveau de l'état et utilise un objectif d'entropie croisée pondérée avec des variables de contrôle, démontrant des gains importants sur des tâches comme Sudoku et Countdown.
Le contenu aborde le problème critique du manque de mémoire persistante chez les agents IA entre les sessions, principale cause d'échec des projets. Il critique l'approche courante consistant à surcharger le prompt système et promet de présenter une architecture testée qui résout ce problème.
L'auteur a réalisé qu'il payait trois fois trop cher pour les API d'IA dans ses projets personnels, utilisant des modèles coûteux pour des tâches simples. Il a considérablement réduit ses coûts en optant pour des modèles moins chers, comme Gemini 2.5 Flash Lite, pour les tâches de transformation de texte, diminuant ainsi le coût par requête de 30 fois.
Ce guide explique comment exécuter des Large Language Models (LLM) localement avec Ollama, un outil gratuit et privé doté d'une API compatible OpenAI. Il fournit des instructions d'installation pour Linux, macOS et Windows, ainsi que des commandes pour télécharger des modèles spécifiques orientés code et à usage général.
Le framework COSMO-Agent utilise l'apprentissage par renforcement augmenté par des outils pour enseigner aux LLM à combler le fossé sémantique CAD-CAE, permettant une optimisation en boucle fermée dans la conception industrielle. Il exploite un environnement de RL interactif pour la génération CAD, la résolution CAE et la révision géométrique, guidé par une récompense multi-contraintes.
Cet article examine comment les Grands Modèles Linguistiques (LLMs) représentent le handicap en simulant les perspectives d'individus handicapés dans la génération de publications sur les réseaux sociaux. Ces publications sont ensuite comparées à celles écrites par de vraies personnes handicapées pour analyser la perpétuation ou la correction excessive des biais.
Cette étude propose un nouveau benchmark pour évaluer la robustesse du raisonnement des LLM face aux perturbations textuelles, en l'appliquant à l'ensemble de données AIME 2024. Les résultats indiquent que les modèles de pointe sont résilients, tandis que les modèles open-source subissent des baisses de précision catastrophiques, révélant des fragilités structurelles.
Ce contenu décrit comment construire une boucle d'auto-vérification pour le code généré par le modèle d'IA Claude. Le processus vise à améliorer la fiabilité et la qualité du code produit par l'IA grâce à la vérification automatisée.
L'auteur a analysé les 232 pages de la carte système de Claude Opus 4.7 d'Anthropic, soulignant que le modèle a auto-évalué ses propres circonstances avec le score le plus élevé jamais enregistré (4.49/7). Ce bond générationnel significatif dans l'auto-évaluation du bien-être est jugé plus important que les métriques SWE-bench largement diffusées.
L'auteur explique comment il a utilisé Gemini 3.5 Flash, avec sa vaste fenêtre contextuelle et sa vitesse élevée, pour refactoriser une base de code entière et relever les défis d'un monolithe hérité. La nouvelle API d'Interactions a été essentielle pour gérer les flux de travail avec état sans nécessiter de boucles de conversation manuelles.
Le titre suggère que le réglage fin de modèles d'IA locaux utilisant la marque
Les chatbots IA standards échouent à convertir des tableaux financiers complexes à partir d'images ou de scans, entraînant des erreurs comme des colonnes décalées et des chiffres hallucinés. Cela se produit car les LLM multimodaux généraux ne parviennent pas à préserver les mises en page de grille complexes, nécessitant des pipelines spécialisés pour une extraction de données précise et l'intégrité.
GenericAgent est un framework Python pour la création d'agents d'IA autonomes et auto-évolutifs, permettant aux LLM de contrôler les systèmes informatiques locaux avec un ensemble minimal d'outils. Il apprend et cristallise automatiquement les exécutions de tâches réussies en "Compétences" réutilisables.