arxiv arXiv cs.AI · il y a 1 h · research

Faraday 27B surpasse Claude Opus 4.8 et GPT-5.5 sur les tâches de réplication d'articles

Traduit de English → Français

Les chercheurs ont développé Replica, un espace de tâches évolutif pour la réplication d'articles, et introduit un juge basé sur des rubriques généré automatiquement pour fournir des signaux de récompense à faible bruit alignés sur l'évaluation humaine.

L'équipe a effectué un post-apprentissage de Faraday, un agent "AI Scientist" de 27 milliards de paramètres qui utilise des agents de codage comme outils.
Faraday dépasse les performances de Claude Opus 4.8 et GPT-5.5 sur les tâches de réplication réservées.
L'analyse qualitative indique que Faraday adopte une approche plus fondée sur les principes scientifiques lors des déroulements.

Les auteurs estiment que ces résultats constituent une étape vers des agents IA capables d'innovation scientifique à long terme sans nécessiter de harnais complexes.

Importance 2/3 Nouveau cadre d'évaluation avec différenciateurs arXiv cs.AI DeepSeek AI agents Research paper

Lire l'original

AutoMem automatise l'apprentissage de la mémoire en tant que compétence cognitive pour les LLM

Les chercheurs présentent AutoMem, un cadre qui traite la gestion de la mémoire dans les grands modèles de langage comme une compétence entraînable plutôt que comme un composant statique. Le système élève les opérations de système de fichiers au rang d'actions de mémoire de premier ordre, permettant au modèle de décider autonomement comment encoder, récupérer et organiser les connaissances.

arxiv arXiv cs.CL · il y a 45 j

Étendre l'horizon, pas les paramètres : atteindre des performances de modèles à mille milliards de paramètres avec un agent de 35M

Les chercheurs présentent Agents-A1, un modèle Mixture-of-Experts de 35M qui atteint des performances comparables à celles des modèles à mille milliards de paramètres en étendant l'horizon de l'agent plutôt qu'en augmentant le nombre de paramètres. L'approche se concentre sur l'extension des trajectoires à long terme et l'unification des capacités hétérogènes des agents grâce à une infrastructure d'entraînement spécialisée.

arxiv Moonshot AI (arXiv) · il y a 255 j · 2 vues

DeepSeek-V3.2 introduit l'attention sparse et la synthèse agentic, surpassant GPT-5

DeepSeek a publié DeepSeek-V3.2, un grand modèle de langage ouvert qui combine une haute efficacité computationnelle avec des capacités de raisonnement avancées. La publication met en avant trois avancées techniques majeures : un nouveau mécanisme d'attention sparse, un framework d'apprentissage par renforcement évolutif et un pipeline de synthèse de données d'entraînement agentic.

arxiv arXiv cs.AI · il y a 1 h En direct

AutoDesign utilise l'optimisation de meta-harness pour améliorer la conception agénique à long terme

L'article présente AutoDesign, un framework qui emploie un optimiseur de meta-harness pour guider un agent de code dans l'amélioration récursive de son harness basé sur le feedback de rollout. Cette approche vise à s'aligner sur les priorités de conception humaine et à accumuler de l'expérience réutilisable pour l'auto-amélioration récursive.

arxiv arXiv cs.CL · il y a 2 h

AutoDesign utilise l'optimisation par méta-harnais pour améliorer la conception à long terme des agents

L'article présente AutoDesign, un cadre qui emploie un optimiseur de méta-harnais pour guider un agent de code dans l'amélioration récursive de son harnais en fonction du feedback des rollouts. Les auteurs évaluent cette approche sur la tâche de génération d'affiche à partir d'un article académique en utilisant un nouveau benchmark appelé PosterBench.