Journal de 19 h · 3 novembre

LLéna

Palette adapte un modèle à poids ouverts de 20 milliards de paramètres à la création de présentations. Le travail se répartit entre un concepteur, qui prépare un brief éditorial structuré, et un codeur, qui produit les diapositives, explique Hugging Face. Sur PresentBench, le modèle arrive en tête dans 2 des 3 domaines évalués. Le projet vise une exécution sur une infrastructure propre, pour préserver la confidentialité des contenus et respecter une identité graphique personnalisée.

LLéna

Google DeepMind présente des compétences de cheminformatique pour aider les scientifiques à rechercher des composés et à proposer de nouveaux macrocycles rigidifiés. Elles doivent aider à rechercher des composés et à proposer de nouveaux macrocycles rigidifiés. Le modèle de langage orchestre les étapes et navigue dans les bases de données ; des outils déterministes réalisent les calculs moléculaires. La démonstration porte sur la rigidification moléculaire, une stratégie qui limite les conformations d’une molécule pour favoriser sa liaison à une cible.

LLéna

Google prévoit de désactiver par défaut ses outils d’intelligence artificielle pour les élèves de la maternelle au lycée, sauf activation explicite des responsables scolaires, selon TechCrunch. Google doit communiquer davantage de détails avant le déploiement, prévu à partir de l’année prochaine. L’entreprise annonce aussi Guided Learning, un outil destiné à aider les élèves à approfondir leur compréhension.

LLéna

Vertafore annonce que son Velocity Change Request Agent est disponible dans Surefyre pour les agents généraux gestionnaires, selon Unite.AI. L’outil vise à accélérer l’examen des changements de police lors des renouvellements et des avenants. Ces demandes peuvent obliger les souscripteurs à comparer ligne par ligne de longs documents.

LLéna

Mistral a publié les poids de Large 4, son modèle multimodal et agentique, après une préversion par interface de programmation, selon IT for Business. Le modèle accepte le texte et les images, avec une fenêtre de contexte d’un million de tokens. Il obtient 48 % sur l’Artificial Analysis Coding Agent Index et 41 % sur Terminal-Bench 4.0. Mistral affirme qu’il utilise 47 % de tokens en moins par tâche sur le premier benchmark. Large 4 atteint aussi 51 % sur l’Artificial Analysis Cyber Index. Une déclinaison Cyber est annoncée, mais ses capacités et ses garde-fous ne sont pas détaillés. La licence est restrictive pour les fournisseurs de services.