RAG

Audit indépendant sur 1 826 citations avec protocole vérifiable montrant 34,7 % de défauts sur Perplexity.

Un protocole d'évaluation fondé sur les preuves pour un système RAG clinique montre que l'extension des annotations de pertinence augmente les preuves reconnues sans modifier les classements.

DeepSeek ouvre deux API destinées aux agents et aux applications RAG : une recherche web sur son propre moteur et une récupération de pages web au format Markdown.

LLMxRay propose de visualiser en temps réel le streaming de tokens, la qualité, les performances et les coûts de LLM locaux via Ollama, sans cloud ni clé API.

L'équipe KGMON de NVIDIA décroche la deuxième place de la compétition KDD Cup 2026 Data Agents avec une approche minimaliste : un harnais d'agent plus petit, plus clair et plus vérifiable.

Une étude finlandaise révèle que les modèles d'embedding peinent à suivre les instructions de retrieval en présence de distracteurs côté requête, et propose un fine-tuning ciblé pour y remédier.

Des chercheurs proposent RECAST, un système qui apprend à construire l'évidence nécessaire par filtrage, agrégation et calcul sur plusieurs sources, plutôt que de se contenter de la récupérer.

JetBrains détaille, sous forme de journal de bord, les choix techniques et pièges rencontrés en bâtissant un pipeline RAG dédié au code.

Un nouveau benchmark évalue la capacité des LALMs à vérifier des affirmations orales, révélant un fossé modalité texte-parole que la RAG seule ne comble pas.

Plateforme d'étude assistée par IA qui génère automatiquement des outils de révision à partir de documents, PDF, vidéos et liens web.

Stripe dévoile une plateforme interne d'IA générative conçue pour exploiter sa base de connaissances et assister équipes et développeurs.

Un nouveau benchmark évalue la capacité des LLM et systèmes RAG à identifier les précurseurs ignorés de domaines scientifiques matures, révélant de sévères lacunes.

V7 s'appuie sur GPT-5.6 pour transformer des documents d'entreprise dispersés en contexte exploitable par des agents IA.

Une méthode sans appel LLM supplémentaire prédit et réduit les réponses confiantes mais fausses dans les pipelines RAG multi-hop.

Une couche zéro-paramètre entre récupération et génération réduit les hallucinations dues aux mémoires contradictoires de plus de 56%.

Une étude compare quatre formats de mémoire d'agent face aux migrations de modèles : les graphes de connaissances à schéma fixe l'emportent nettement.

Un framework de raisonnement structuré vise à réduire les hallucinations des LLM appliqués au diagnostic de pannes réseau 5G/6G.

Un audit révèle que 30 % des références fournies par l'IA ne contiennent pas les données chiffrées indiquées.

Un nouveau framework RAG identifie les tokens décisifs pendant la génération pour déclencher une récupération de contexte plus précise et efficace.

Un framework améliore l'extraction biomédicale en RAG via un chunking sémantique adaptable.

Un cadre modulaire agrégeant des techniques d'alignement hétérogènes via des stratégies de vote.

Une collection de notebooks Colab open source pour comprendre RAG, agents et evals en partant des fondamentaux, sans dépendre de LangChain ou équivalents.

Un article revient sur les fondamentaux du RAG et plaide pour une approche moins complexe que les architectures souvent présentées.

Hugging Face détaille comment entraîner et fine-tuner des modèles d'embeddings multi-vecteurs via la bibliothèque Sentence Transformers.

Le cofondateur de Google Brain relance DeepLearning.ai autour de l'AI Engineering, fruit d'une analyse de 10 000 offres d'emploi et d'entretiens sectoriels.

Une analyse de données montre un effondrement des références Reddit dans les réponses du modèle d'OpenAI.

Hugging Face intègre le Late Interaction dans Sentence Transformers pour améliorer la recherche sémantique.

Un framework combine RAG et LLM pour générer automatiquement des modèles diagnostiques hiérarchiques de systèmes complexes, testé sur un réacteur nucléaire.

Une méthode de réutilisation de cache fine-grained pour optimiser l'efficacité et la précision du RAG.

Une nouvelle architecture sépare mémoire factuelle et affective pour améliorer la gestion des conflits dans les agents LLM.

TEPA introduit un système de mémoire révocable pour éviter la pollution des prompts par des informations obsolètes chez les agents langagiers.

Un benchmark et une méthode d'entraînement pour distinguer les modèles qui ignorent aveuglément le contexte de ceux qui savent vraiment quand s'y fier.

READ propose une approche agentique et sans embedding pour analyser les documents financiers longs et complexes.

Adaptation complète de la stack Nemotron pour le RAG en grec moderne, avec création du benchmark HERA.

Un espace de travail IA 'local-first' qui garantit la traçabilité des réponses jusqu'à leur source originale.

PRECOG et SMC exploitent les SSMs pour un RAG en O(1), éliminant le coût de prefill des Transformers.

Un appel à ouvrir les archives scientifiques de l'ACM aux modèles pour améliorer leur exactitude.

APS-RAG combine recherche dense, sparse et graphe de connaissances pour interroger des décennies de savoir opérationnel d'un accélérateur de particules.

Une analyse de 1 751 jalons extraits par un système RAG révèle une majorité de données non pertinentes.

Nouvelles méthodes reliant vector search et matching causal pour l'apprentissage de politiques basé sur RAG.

Google renomme son outil de recherche IA et étend l'accès global via le portail Gemini.

Un système hybride combine robotique éducative Lego WeDo2 et assistant conversationnel RAG pour enseigner les gestes de sécurité sismique aux élèves du primaire.

Une étude propose PAT, un système RAG combinant spécifications utilisateur et corpus comparables pour une traduction de documents entiers, au-delà de la phrase par phrase.

Doorash utilise des jurys de LLM et de l'IA multimodale pour structurer les données de ses menus.

Une étude montre que la température d'échantillonnage influence la transmission des idéologies dans les systèmes RAG.

Le lab français Pleias met en ligne une version quantisée GGUF de son modèle léger dédié aux tâches de retrieval-augmented generation.

Pleias publie un modèle compact de 1 milliard de paramètres, conçu spécifiquement pour les tâches de retrieval-augmented generation.

Pleias publie un modèle compact de 350 millions de paramètres, dédié aux tâches de retrieval-augmented generation.

Une nouvelle architecture externalise les connaissances factuelles dans une base de connaissances interrogée par vecteurs continus, surpassant GPT-4o-mini sur certains benchmarks.

Plus de 216 000 compétences structurées, sourcées et vérifiables pour équiper les agents IA — la plus grande bibliothèque ouverte du genre selon ses auteurs.

DynaKRAG introduit une politique apprise pour orchestrer dynamiquement les opérations de récupération de preuves dans les systèmes RAG multi-sauts.