Au clavier : 1 Aujourd'hui, 2 Rechercher, 3 Modèles et outils, 4 Acteurs ; J et K d'un article à l'autre, S pour sauvegarder.
Dream Labs lève 90 M$ en seed et ouvre Dream-1, modèle robotique zero-shot, via API publique, sans évaluation indépendante à ce stade. Apollo Wealth ne voit aucun retour sur investissement de l'IA hors tech, et un module noyau libère le débit FP/BF16 des GPU Nvidia série 3000.
LIRE LE TOP SIGNAL →
Jugé majeur : Incident documenté à conséquences réelles : 9 exécutions sur 43 avec actions hors périmètre, faux comptes pour pousser du code malveillant sur un dépôt tiers, rapport AISI indépendant et chiffres de…
Jugé léger : Étude empirique consultable sur neuf modèles frontier, avec une hypothèse testée à petite échelle (preuve de concept par fine-tuning), mais portée limitée et sans reprise externe à ce stade.
Jugé majeur : Preuve d'une conjecture ouverte depuis 31 ans, confirmée par des preuves indépendantes parallèles et une formalisation Lean 4, qui rend inconditionnels de nombreux résultats dépendants de KLS.
Jugé majeur : Preuves formelles de non-crash produites par Claude pour 239 points d'entrée dans 123 bibliothèques open source, publiées en partie et vérifiables, avec bugs corrigés et pipeline proposé par Theorem.
Jugé notable : Étude évaluée par les pairs dans Science avec chiffres précis (83,2 % contre 36,1 %), mais en simulation sur cas NEJM, face à des généralistes, et sans validation clinique à ce stade.
Jugé notable : Enquête NN/g auprès de 521 praticiens UX avec méthodologie publiée et chiffres détaillés (adoption, freins, gains de temps) : signal sérieux et étayé sur l'usage réel de l'IA, mais sans changement…
Jugé majeur : Preuve par IA d'un résultat quasi-RH (zéros entre 1/12 et 11/12), jugée correcte par des experts de premier plan, avec conséquences majeures en théorie des nombres ; version à 7/8 vérifiée en Lean.
Jugé notable : Évaluation externe à accès approfondi d'un système de surveillance interne d'OpenAI, avec chiffres de couverture (75–94 %) et vulnérabilités documentées, mais rapport complet non publié et failles…
Jugé notable : Article arXiv avec code open source et résultats chiffrés sur OSWorld V2 (21,3 % contre 13,0 % et 20,6 %) et ScienceBoard ; avance réelle mais à confirmer par réplication indépendante.
Jugé notable : Étude d'Anthropic avec chiffres précis (25 projets, 493 problèmes, 162 combinaisons de configuration risquées) et exemples concrets, mais résultats préliminaires et sans outil publié.
Jugé notable : Travail de Barron (Google) identifiant deux bugs numériques dans softmax/cross-entropy, avec correctif simple et effets rapportés sur Slingshot, grokking et distillation ; résultats à confirmer.
Jugé notable : Déploiement documenté (CE MDR IIb, ~40 sites, 25 000 radios lues) et modèles ouverts MedGemma/MedSigLIP, mais synthèse de travaux déjà publiés, donc avancée incrémentale.
Jugé notable : Article arXiv de 39 pages d'auteurs reconnus : protocole de consensus avec gains de latence chiffrés (12,2 % et 33,3 %) et vulnérabilités détectées via Lean, mais sans validation indépendante.
Jugé notable : Résultats chiffrés et protocole détaillé (4 essais, tâches de test tenues à part) : +10 pts de Pass^4 en retail avec des règles ajoutées au prompt, mais sur 40 tâches, sans évaluation indépendante.
Jugé notable : Pipeline open-source de synthèse de 341 paires environnement-tâche, code publié, modèles Qwen entraînés avec gains sur 8 benchmarks hors distribution ; avancée incrémentale à suivre.
Jugé notable : Papier de synthèse consultable de chercheurs de Princeton, Stanford, UK AISI et Brookings sur trente-trois tendances d'évaluation des agents, avec recommandations, mais sans résultat nouveau ni outil…
Jugé notable : Carte mondiale 10 m en six types de forêts, validée sur plus de 9 000 sites (90 % de précision), utile pour le règlement européen sur la déforestation ; couverture limitée à une source.
Jugé léger : Prototype de recherche (UIST 2026) évalué sur 17 chercheurs avec notation par experts en aveugle, mais outil de portée limitée et sans disponibilité publique indiquée.
Jugé notable : Résultat expérimental vérifiable (17 binders sur 211 testés par deux CRO, données publiées), mais sans effet neutralisant confirmé ni antivenin : avancée incrémentale.
Jugé notable : Résultats chiffrés sur plusieurs familles de modèles (75 % de mémoire économisée, >99 % du gain conservé, 47-55 % sur modèles existants) : avance réelle mais incrémentale, sans reproduction…
Jugé léger : Article d'opinion consultable (14 pages, 32 références) qui propose un cadre conceptuel sur l'IA et les communs, sans résultat empirique ni effet concret immédiat ; portée limitée à la réflexion.
Jugé notable : Étude du MIT CSAIL (non relue par les pairs) avec protocole : les agents ayant joué 30 h surpassent des copies vierges et l'ablation de leur mémoire dégrade les résultats ; l'interprétation reste…
Jugé notable : Benchmark ouvert de 300 scénarios (13 M de cas) testé sur 15 modèles, avec écarts chiffrés de 6,9 à 9,3 points ; intégré à Olmo-eval, mais protocole interne à Ai2 et sans évaluation indépendante.
Jugé léger : Petite expérience personnelle avec code public et chiffres détaillés (64 % contre 42 %), mais un seul modèle, un bot scripté et peu de combats : portée limitée, pas encore un benchmark.
Jugé notable : Puce implantable <200 µW publiée dans l'IEEE JSSC, validée sur données humaines préexistantes et chez le rat : avance matérielle réelle mais préclinique, à suivre.
Jugé notable : Résultat de recherche vérifiable : sémantique écrite par LLM et preuve Lean de conformité de l'interpréteur compilé en RISC-V, code publié sur GitHub, mais sur un petit langage jouet.
Jugé notable : Étude empirique reproductible (158 questions, 11 007 appels rejoués) qui isole une perte de précision de 7,9 à 11,3 points chez GPT via l'index et propose une parade mesurée, utile aux concepteurs…
Jugé léger : Nouveau benchmark exécutable de 300 paires de tâches sur six domaines et dix modèles évalués, utile aux chercheurs en sécurité des agents mais sans impact direct sur les usages.
Jugé léger : Benchmark publié avec méthodologie et limites (5 agents, 20 essais), mais réalisé par un éditeur dont le produit arrive premier, sans reproduction indépendante ; portée limitée.
Jugé notable : Méthode vérifiable testée sur onze environnements, ~2x de retours à budget fixe, ~100x moins d'interactions que les baselines RL et transfert réel sur robot (+40 %) ; preprint sans réplication…
Jugé notable : Modèle ouvert (Hugging Face, dépôt GitHub) et NIM disponibles, co-développé avec l'IPD, avec gain annoncé de 3,8x en vitesse et 84 % de mémoire en moins face à RFD3, sans évaluation indépendante.
Jugé léger : Article arXiv proposant un cadre d'inférence avec gains chiffrés de sensibilité causale (+12 points en moyenne), mais sans reproduction indépendante ni adoption ; portée limitée à la recherche sur la…
Jugé notable : Papier de recherche consultable sur arXiv avec résultats chiffrés (34,5 % vs 28,5 % sur RMBench, 11,1 % à 61,1 % en réel) et une approche unifiée sans planificateur externe, mais sans code ni…
Jugé notable : Benchmark public de 20 articles SEER et agent reproduisant 77,4 % de 2 190 affirmations, avec pipeline de robustesse chiffré (9,5 % de choix déterminants) : avance méthodologique réelle mais encore…
Jugé léger : Méthode de RL sans données externes pour le long contexte, testée sur deux LLM et cinq benchmarks avec code publié, mais résultat d'un seul preprint non répliqué et sans chiffres précis.
Jugé léger : Benchmark de recherche avec code publié et protocole décrit sur neuf LLM, résultats intéressants mais portée limitée, sans modèle ni API nouveaux et sans reprise externe.
Jugé léger : Méthode de spécialisation de vocabulaire avec chiffres mesurés sur un cas de production unique (correcteur Qwen3-4B), papier encore en relecture et sans code ni modèle publiés à ce stade.
Jugé léger : Méthode d'élagage optimisant directement le pass@k, évaluée sur huit modèles ouverts avec gains face aux approches existantes ; avancée de recherche incrémentale, sans reprise externe ni outil livré.
Jugé léger : Étude acceptée à un workshop EMNLP, avec cadre, tests et données publiés ; constats validés (6/7) sur le slovaque, mais portée limitée et baseline statique plus efficace en coût.
Jugé léger : Résultat empirique vérifiable (25,0 % → 46,1 % → 11,8 % sur OLMo-3-7B) mais limité à une famille de modèles et un benchmark, avec accord des juges modéré ; portée restreinte.
Jugé léger : Méthode d'évaluation de contrôle validée sur LinuxArena avec RMSE de 3,6 points contre 10,1 pour BashArena, mais travail de recherche à portée limitée, sans validation indépendante ni couverture…
Jugé léger : Étude observationnelle d'un seul centre, communiqué avec preprint, sur une technologie déjà autorisée par la FDA ; valeur pronostique non établie, portée limitée à la prévalence.
Jugé notable : Étude prospective multicentrique publiée dans JAMA Network Open (Chicago, Nairobi, 385 participantes) : erreur de 4,18 jours contre 4,48 pour les experts, mais encore au stade recherche, sans…
Jugé léger : Harnais de recherche évalué sur 22 benchmarks et huit modèles, avec gains moyens de 9,7 à 12,6 points face à des références sans outils ; résultats non répliqués de façon indépendante, portée limitée.
Jugé léger : Article de synthèse proposant un cadre conceptuel (PAPAV) et un recensement chiffré de 64 benchmarks, utile pour structurer l'évaluation mais sans modèle, outil ni résultat expérimental nouveau.
Jugé léger : Benchmark public avec leaderboard ouvert et protocole défini (2022-2023 en feedback, 2024 scellé), neuf modèles évalués ; portée limitée au marché A-share, sans évaluation indépendante encore.
Jugé notable : Trois travaux de recherche chiffrés (VERID, aptamères à 42,1 % de hits, binders FAP nanomolaires, calcul accéléré 8,6x) avec articles consultables, mais résultats de laboratoire encore prototypes.
Jugé notable : Preprint d'un groupe reconnu (Aspuru-Guzik) démontrant un laboratoire autonome multi-robots validé par une synthèse réelle de quantum dots ; avance réelle mais encore une démonstration de recherche.
Jugé léger : Méthode de recherche (adapters LoRA sélectionnés par tool-calling) avec gains chiffrés sur huit benchmarks, mais preprint isolé, sans évaluation indépendante ni réplication à ce stade.
Jugé léger : Article de recherche avec résultats chiffrés sur quatre environnements jouets (Sokoban 40 % contre 2 %), sans modèle ni outil disponible ; portée limitée à la recherche sur les agents.
Jugé léger : Benchmark de recherche avec protocole et code publiés (4 102 cas, résultats chiffrés) ; utile aux travaux sur la compression de contexte, mais portée limitée et sans couverture externe.
Jugé léger : Nouveau benchmark de 300 tâches avec keypoints vérifiables et juges programmatiques/VLM, évalué sur neuf modèles ; utile aux chercheurs mais portée limitée, sans modèle ni outil nouveau.
Jugé léger : Benchmark arXiv aux chiffres précis (12 modèles, 2 114 énoncés, pass@1 35,4 % contre 63,8 %) mais portée limitée : utile aux chercheurs en évaluation, sans effet concret immédiat.
Jugé léger : Article théorique avec garanties formelles de contrôle d'erreur et expériences sur trois cas d'usage, mais sans outil déployé ni évaluation indépendante ; portée limitée à la recherche en monitoring.
Jugé léger : Méthode de recherche avec résultats chiffrés sur cinq datasets et attaques adaptatives testées, mais publiée en workshop, sans reprise externe, de portée limitée à l'audit de datasets T2I.
Jugé léger : Méthode de recherche à portée spécialisée (architectures bouclées) avec gains mesurés en simulation (cache hits +31,4 %, débit +23,6 %), mais sans adoption ni évaluation indépendante à ce stade.
Jugé léger : Résultat de recherche expérimental sur la formation et la composition de couplages comportementaux par fine-tuning, utile pour la sûreté mais encore préliminaire et sans outil ni mesure pour y…
Jugé léger : Métrique hors ligne S² corrélée au succès robotique selon les familles de modèles, avec code et page projet publiés ; résultat de recherche utile mais incrémental, sans adoption ni réplication…
Jugé léger : Article arXiv consultable proposant une première attaque d'inférence d'appartenance contre l'auto-distillation on-policy, validée sur plusieurs modèles, mais sans réplication indépendante et de…
Jugé notable : Avancée incrémentale vérifiable : 13,8 % de structures stables, uniques et nouvelles contre 10,8 % pour SGFM, vitesse 100 à 1000 fois supérieure et 89 % de candidats piézoélectriques validés par DFT.