OpenAI rapporte qu'un système d'IA interne a produit une preuve montrant que la dynamique des équations de Navier-Stokes pour le mouvement des fluides peut développer une singularité en temps fini. La solution, dérivée par un système multi-agents alimenté par un modèle significativement plus capable que GPT-6 Astra, établit l'énoncé "C" de la formulation du Prix Millennium.
Anthropic a annoncé la création d'un nouveau groupe de recherche en sciences de la vie dédié à l'utilisation de Claude pour identifier des familles de protéines non caractérisées et tester des hypothèses par le biais d'expériences en laboratoire. Parmi les premiers résultats, l'IA a découvert de manière autonome un nouvel système enzymatique appelé reverse transcriptases associées aux tableaux (ART), présent dans les bactériophages.
Microsoft Research a publié et open-sourcé RetroChimera, un nouveau cadre de prédiction de rétrosynthèse qui combine deux modèles complémentaires pour proposer des voies de synthèse de haute qualité. Le système intègre R-SMILES 2, un modèle de novo basé sur Transformer, avec NeuralLoc, un modèle basé sur un réseau neuronal graphique (GNN), en utilisant une stratégie d'assemblage apprise pour classer les prédictions.
Google DeepMind et Google Research ont présenté WeatherNext 3, un modèle avancé de prévision météorologique mondial qui génère des prévisions horaires à haute résolution spatiale en apprenant directement à partir d'observations satellitaires en temps réel. Cette mise à jour fournit des prévisions environ cinq fois plus précises que son prédécesseur, WeatherNext 2, permettant des prédictions plus localisées pour les événements météorologiques critiques.
L'article présente Human2Any, une méthode de transfert humain-robot qui utilise la planification compositionnelle consciente des contraintes. Aucun détail supplémentaire ni corps de texte n'est fourni dans la source.
Le chercheur de Nvidia N. Horrocks présente les modèles étendus d'erreurs de détecteurs (EDEMs) conçus pour gérer les programmes quantiques tolérants aux pannes avec des circuits stabilisateurs et des erreurs de Pauli stochastiques. Ces modèles permettent à l'analyse des erreurs de se composer séquentiellement et en parallèle, reflétant la structure des réalisations physiques du circuit.
Des comptes affiliés à OpenAI ont signalé qu'un effort assisté par l'IA a produit un résultat lié au problème de l'existence et de la régularité de Navier-Stokes, l'un des problèmes du prix du millénaire. L'affirmation indique qu'environ 10 000 agents ont collaboré sur la tâche après avoir été entraînés pendant environ un an en utilisant l'apprentissage par renforcement multi-agents.
Des chercheurs ont développé un pipeline post-entraînement pour les grands modèles de langage qui leur permet d'atteindre des performances médaille d'or en programmation compétitive. En combinant le réglage fin supervisé, l'apprentissage par renforcement et une nouvelle stratégie pilotée par les feedbacks appelée GenCorrect, le système surpasse les meilleurs participants humains sur l'ensemble de problèmes de l'OII 2026.
NVIDIA a développé des pipelines de post-apprentissage pour ses modèles de langage Nemotron-3-Nano-CC et Nemotron-3-Ultra-CC afin d'exceller en programmation concurrentielle. En combinant la curation à grande échelle de problèmes, des traces de raisonnement synthétiques, un ajustement fin supervisé (SFT) et l'apprentissage par renforcement, l'équipe a créé des systèmes spécialisés capables de raisonnement algorithmique de haut niveau.
NVIDIA a développé un pipeline post-entraînement pour ses modèles de langage Nemotron-3, leur permettant d'atteindre des performances de niveau médaille d'or à l'Olympiade Internationale d'Informatique (IOI). L'approche combine la curation de problèmes à grande échelle, des traces de raisonnement synthétiques, un ajustement fin supervisé et un apprentissage par renforcement.
Les auteurs introduisent le raisonnement méta-agents, un harnais d'inférence qui structure les choix d'exécution pour des tâches à long horizon. Un contrôleur gère le processus en consolidant les progrès et en distribuant le travail sur la base d'un compte d'exécution compact plutôt que de l'historique complet.
Les auteurs présentent RareDx, un système qui couple l'utilisation contrôlée des preuves avec une optimisation de politique ancrée sur un graphe de connaissances afin de résoudre le problème de raisonnement à longue traîne du diagnostic des maladies rares. Le pipeline d'entraînement combine le post-entraînement Top-10 avec RareDx-KGPO, qui projette les prédictions dans un graphe canonique de maladies et intègre la pertinence graduée curatée, la proximité ontologique, la similarité biomédicale et la cohérence phénotypique.
Les chercheurs présentent TokenProbe, un cadre qui traite la consommation élevée de tokens du raisonnement en chaîne (Chain-of-Thought) en exploitant la valeur non uniforme des tokens au sein d'une séquence. La méthode utilise la probabilité logarithmique normalisée pour distinguer les tokens structurels centraux des remplissages redondants, permettant une compression sélective.
Les chercheurs présentent TokenProbe, un cadre qui traite la forte consommation de tokens du raisonnement Chain-of-Thought en exploitant la valeur non uniforme des tokens au sein des traces de raisonnement. La méthode distingue les tokens centraux portant le contenu décisif des remplissages redondants à l'aide de signaux de probabilité logarithmique normalisée.
Les chercheurs présentent Visual Answerability Diagnosis with Rationales (VAD-R), un nouveau benchmark conçu pour évaluer la capacité des modèles vision-langage à s'abstenir de répondre aux questions sans réponse, sans se fier à des indices de raccourci. L'étude révèle que si les états cachés peuvent distinguer l'accessibilité de la réponse, les modèles actuels échuent à traduire cela en décisions explicites.
Les chercheurs proposent Highlight-Then-Summarize (H2S), un paradigme « compresser puis raisonner » qui identifie les éléments de preuve pertinents par rapport à la question et les intègre dans un résumé compact avant de générer une réponse. L'équipe construit H2S-Dataset avec 6 647 exemples et introduit H2S-RL pour fournir des récompenses au niveau du processus pour la sélection des preuves.
Les chercheurs proposent Highlight-Then-Summarize (H2S), un paradigme de compression puis raisonnement qui identifie les preuves pertinentes à la question et les intègre dans un résumé compact avant de générer une réponse. Pour soutenir cette approche, l'équipe a construit H2S-Dataset avec 6 647 exemples provenant de 11 familles de benchmarks et a introduit H2S-RL pour des récompenses au niveau du processus.
Hung Tran, étudiant en master à l'Université des technologies de l'information (VNU-HCM), a publié le code et les données de son article « The Clipping Trap: A Silent Failure Mode in Overfitted Neural Image Codecs. » Ce travail met en évidence comment les codecs surajustés tels que Cool-chic et C3 peuvent produire des images à couleurs uniformes avec des gradients de distorsion nuls pour certains types de contenu.
Un nouveau projet open-source appelé Biological JEJA combine l'apprentissage de représentations de style JEPA avec des contraintes biologiques pour modéliser comment les maladies progressent au fil du temps. L'approche a été testée sur des données réelles d'ADNI provenant de 2 347 patients et comparée à plusieurs autres modèles.
Un étudiant de premier cycle sur les forums Hugging Face discute de l'application des concepts du papier VAPO au modèle Qwen 2.5 Omni 3B pour résoudre les problèmes d'hallucination lors de la transcription audio avec un contexte de diapositives.