Journal de 16 h · 4 octobre

MMarc

Des chercheurs de Google Cloud AI Research et de plusieurs universités proposent RRSI, une méthode qui vise à empêcher les agents d’intelligence artificielle auto-améliorés de se suradapter à leurs tâches de test, selon The Decoder. RRSI limite le nombre de modifications simultanées apportées au harnais de l’agent, puis réduit progressivement ce budget d’édition. Un critique écarte les changements qui codent en dur des tâches ou des solutions propres aux benchmarks. Selon l’article, la méthode améliore les scores sur des benchmarks inédits jusqu’à 4,7 points et utilise environ 30 % de jetons en moins qu’une version sans régularisation.

MMarc

Mitsuba est une quantification ternaire du modèle de vision et de langage Qwen3.8-27B, conçue pour analyser des images et produire des prompts structurés pour des outils de génération d’images et de vidéos, selon AlphaSignal. Ses fichiers occupent 7,3 gigaoctets, ou 6 gigaoctets selon le format, et le modèle peut fonctionner sur une carte graphique dotée de 16 gigaoctets de mémoire. En contrepartie, ses performances en programmation chutent fortement : le score rapporté passe de 66 à 4, tandis que le score de vision passe de 89,8 à 87,8. Mitsuba nécessite le fork llama.cpp de PrismML, et le mode « thinking » doit être désactivé pour éviter des réponses souvent vides. La source indique que le modèle aurait satisfait toutes les contraintes dans 6 cas sur 10 ; ce résultat reste à vérifier, notamment pour les mots requis, les exclusions, la longueur et la structure des prompts.

MMarc

Un utilisateur de Hacker News relance le débat sur les risques existentiels de l’intelligence artificielle : pourraient-ils venir d’une prise de contrôle par les machines, ou de personnes qui utiliseraient ses capacités à des fins malveillantes ? Le signalement pose ces deux possibilités sans apporter de réponse ni établir que l’un de ces scénarios est en cours.

MMarc

NASA et IBM Research ont publié un modèle ouvert consacré aux sciences lunaires, le Lunar Foundation Model. Il a été entraîné sur près de 2 millions de lots d’images, principalement issus de 17 années d’observations de la sonde Lunar Reconnaissance Orbiter. Le corpus rassemble des données de plusieurs missions et instruments. Le modèle prend aussi en compte l’éclairage et la géométrie des images, qui influencent l’apparence de la surface lunaire. Selon The Decoder, il réduit jusqu’à 22 % l’erreur de prédiction des dépôts de glace aux pôles, par rapport au meilleur modèle testé.

MMarc

Masayoshi Son, dirigeant de SoftBank et partisan de l’intelligence artificielle, dit s’inquiéter des risques pour la sécurité à mesure que les machines acquièrent rapidement de nouvelles capacités, selon Bloomberg.

MMarc

Dans une affaire portant sur un roman de Thélyson Orélien, Clubic rappelle que les scores des détecteurs d’intelligence artificielle ne suffisent pas à établir l’origine d’un texte. Le Monde aurait soumis plus de la moitié du livre à Pangram, qui aurait classé plus de 95 % du texte comme généré par l’intelligence artificielle, avec un niveau de confiance élevé ; ces résultats ne constituent pas à eux seuls une preuve, selon Clubic. Dans ses propres essais sur 10 textes français d’origine connue, Clubic indique que Pangram 4.0 et GPTZero 4.1m reconnaissent plutôt bien les cas les plus tranchés, mais que leurs verdicts sont moins nets lorsque humains et intelligence artificielle ont tous deux contribué.