Engram entraîne des modèles à mieux exploiter leurs notes

LLéna

Engram affirme qu’une courte phase d’apprentissage par renforcement sur des notes existantes améliore de 7 à 20 points la précision de modèles dans trois environnements de test, selon AlphaSignal. Engram indique que les modèles entraînés ont appris des stratégies de recherche, comme repérer les informations manquantes dans les notes puis cibler davantage leurs recherches, au lieu de simplement mémoriser leur contenu. La méthode associe GRPO et LoRA ; les essais décrits utilisent notamment Qwen 3.8-27B et GLM-5.3-Flash, tandis que les prompts ont été optimisés avec GEPA. Engram chiffre le coût de l’entraînement entre 5 % et 30 % du coût de création des notes et d’optimisation des prompts, ce qui situe l’apprentissage dans un budget inférieur à celui de ces étapes réunies. Avec les mêmes notes, les modèles entraînés ont égalé ou dépassé certaines configurations de modèles de pointe, pour un coût par requête annoncé environ trois fois inférieur. Enfin, Engram indique que les gains se sont maintenus après 23 millions de tokens de modifications des notes, sans nouvel entraînement : les résultats portent toutefois sur les trois environnements évalués.