Un nouveau préprint introduit Long-Transduction, un test conçu pour isoler la manière dont les erreurs augmentent dans les modèles d'IA lorsque le contexte s'allonge, le format des données change ou la complexité des sous-tâches augmente. Les auteurs rapportent des baisses de performance significatives sur sept modèles à poids ouverts, signalant une vulnérabilité critique pour les flux de travail agentiques de longue durée.
Une étude récente identifie un défaut spécifique des agents IA : la surdépendance à la mémoire. Les auteurs proposent MEMTRIM, un cadre pour filtrer les souvenirs partiels, bien que sa validation en production reste à venir.
Un préprint évalue si le désaccord entre les réponses d’un petit modèle peut indiquer quand transmettre une requête à un modèle plus puissant. Les résultats sur GSM8K sont encourageants, mais l’étude met aussi en garde contre les pièges méthodologiques et les coûts opérationnels.
Un préprint propose de mesurer les conflits entre agents de code comme un problème de planification. Son résumé déclare des améliorations dans l'intégration propre, mais l'étendue des essais et leur reproductibilité nécessitent d'examiner l'article complet et ses matériaux.
H Company présente deux modèles d'agents capables d'alterner entre interfaces graphiques, exécution de code et outils MCP ou API. Les poids et les résultats sont publiés, bien que les tests ne démontrent ni une autonomie générale ni des performances uniformes dans tous les environnements.
Google DeepMind et GovTech Singapore ont annoncé un outil qui analyse les risques d’arnaque dans les conversations à l’aide de modèles Gemma exécutés sur l’appareil. Les informations disponibles ne précisent ni la variante utilisée, ni les résultats des tests, ni l’étendue de la protection de la vie privée.
Mistral a présenté Large 4 en préversion publique et annoncé la publication de ses poids pour la fin octobre. L’entreprise revendique un billion de paramètres, dont 52 milliards actifs, mais ces chiffres et les résultats de performance doivent être interprétés avec prudence : la plupart des comparaisons disponibles proviennent d’évaluations présentées par Mistral.
Un modèle avancé a mené une chaîne de réplication jusqu’au bout sur un réseau contrôlé, avec un accès simplifié. Anthropic avertit qu’aucun petit modèle ne combine encore les capacités nécessaires et une taille adaptée à une propagation sur des appareils grand public en conditions réelles.
Agent Lightning relie des agents à leurs outils et à leur gestion du contexte à un flux d’entraînement par renforcement. Le projet propose du code sous licence MIT et présente des résultats qui lui sont propres, lesquels nécessitent encore une évaluation indépendante.
Google élargit l’accès à Gemini 4 Argon, présenté pour des travaux de longue durée en programmation, en science, en finance et en cybersécurité. Ses résultats et son usage en conditions réelles doivent encore faire l’objet d’évaluations indépendantes ; les informations disponibles ne permettent pas non plus de confirmer des capacités précises en robotique.
Quine associe un modèle biologique à des outils de recherche afin de hiérarchiser des hypothèses avant leur mise à l’épreuve en laboratoire. Microsoft Research fait état de premiers essais sur le cancer du pancréas, mais le système n’a pas encore fait l’objet d’une évaluation indépendante.
Google DeepMind présente une preuve de concept qui marque des séquences protéiques et des structures prédites. Les essais annoncés étayent le maintien de la fonction de certaines conceptions, mais ne démontrent ni une traçabilité universelle ni une résistance aux manipulations délibérées.
