Un nouveau document de recherche d'OpenAI démontre comment les agents d'intelligence artificielle changent fondamentalement la nature du travail. L'étude met en évidence la capacité de ces agents à exécuter des tâches plus longues et plus complexes qu'auparavant. Cette avancée technologique est créditée d'avoir élargi la productivité dans une grande variété de rôles professionnels. Les résultats suggèrent un changement significatif dans la façon dont le travail est organisé et accompli grâce à l'automatisation. En gérant des flux de travail complexes, les agents IA permettent aux utilisateurs d'atteindre une plus grande efficacité. Le document sert de preuve de l'impact croissant des systèmes autonomes sur l'emploi moderne.
La recherche d'OpenAI montre que les agents IA transforment le travail
DisCo condense les dépôts GitHub en plus de 5 000 compétences de recherche en IA
Les chercheurs présentent DisCo, un agent autonome alimenté par des compétences conçu pour combler le manque de connaissances opérationnelles dans la recherche en apprentissage automatique en distillant l'expertise à partir de dépôts de code. Le système condense des projets open-source largement utilisés en compétences réutilisables et vérifiées grâce à deux formes complémentaires : une distillation agnostique aux tâches des écosystèmes généraux et une génération orientée vers les tâches pour des besoins spécifiques.
DisCo condense les dépôts GitHub en compétences IA4AI pour améliorer la performance des agents de recherche
Les auteurs présentent DisCo, un agent de recherche alimenté par des compétences conçu pour combler le manque de connaissances opérationnelles en condensant le savoir-faire spécifique au domaine à partir de sources externes. Le système condense les dépôts d'apprentissage automatique largement utilisés en compétences réutilisables et vérifiées grâce à deux formes complémentaires : une distillation agnostique aux tâches pour une utilité large et une distillation orientée tâche pour des besoins spécifiques.
L'optimisation à finalité ouverte permet à GPT-5.5 de composer son propre processus d'amélioration
L'article présente l'Optimisation à Finalité Ouverte (OEO), un cadre qui permet à un optimiseur de modèle de pointe de composer dynamiquement son processus d'amélioration en ligne, plutôt que de s'appuyer sur des pipelines d'optimisation prédéfinis. Les auteurs comparent OEO à deux approches par étapes, SkillOpt et GEPA, à travers 14 comparaisons directes sur huit configurations de cible-benchmark-modèle.
Le modèle Astra résout dix problèmes ouverts en mathématiques et en informatique théorique
Le modèle interne Astra d'OpenAI a généré des solutions à dix problèmes ouverts de longue date en mathématiques et en informatique théorique, avec les arguments formalisés dans Lean. Ces résultats couvrent la géométrie de haute dimension, la théorie du codage, la théorie des groupes et la complexité quantique, abordant des questions qui n'avaient connu aucun progrès depuis au moins une décennie.
APEx distille l'expérience procédurale de l'agent pour une recherche profonde adaptative
Les chercheurs proposent APEx, un cadre d'utilisation hiérarchique des expériences qui organise l'historique des interactions en mémoires de trajectoire au niveau de l'instance et en compétences procédurales au niveau de la catégorie pour améliorer les agents de recherche profonde.