NLP & ML
Traitement automatique du langage, apprentissage automatique et apprentissage profond.
16 published articles
Frameworks d'agents
Le harnais open-source CUGA d'IBM évite la plomberie et va directement à l'invite
Le framework open-source CUGA d'IBM inverse le modèle typique de développement d'agents en gérant l'orchestration, la gestion d'état et la planification. Les développeurs n'ont plus qu'à écrire une liste d'outils et une invite. Plus de deux douzaines d'applications sous forme de fichiers uniques illustrent l'approche, allant d'un recommandeur de films à un système de génération de leads multi-agents, tous déployables en production gouvernée sans nécessiter de réécriture.
2026-07-07
Recherche en apprentissage automatique
Fast-LeWM : La prédiction parallèle de préfixes d'actions réduit les coûts de planification des modèles de monde latent
Des chercheurs présentent Fast-LeWM, un modèle de monde latent qui accélère la planification visuelle en prédisant en parallèle les états futurs à partir de préfixes d'actions. L'approche réduit les coûts de calcul et l'accumulation d'erreurs, surpassant les modèles de transition en une étape précédents.
2026-07-07
Recherche en apprentissage par renforcement
OPID offre aux agents linguistiques un signal de récompense suffisamment dense pour abandonner la mémoire externe
OPID extrait une supervision hiérarchique des compétences à partir de trajectoires sur politique complétées, offrant un guidage dense au niveau des tokens pour l'entraînement des agents linguistiques sans mémoire externe. Les expériences sur ALFWorld, WebShop et Search-based QA montrent une amélioration des performances et de l'efficacité d'échantillonnage par rapport au RL basé uniquement sur les résultats et aux méthodes existantes de distillation de compétences.
2026-07-06
Données Synthétiques
Pas de patron, pas de goulot d'étranglement : pourquoi un cadre pair-à-pair repense la génération de données synthétiques
Matrix est un cadre décentralisé qui utilise des messages sérialisés transmis via des files d'attente distribuées pour la génération multi-agents de données synthétiques. En éliminant l'orchestrateur central, il atteint un débit 2 à 15 fois supérieur sur du matériel identique.
2026-06-06