Raisonnement

Résultats vérifiables et significatifs : scores IOI 2026 (535.4/600, au-dessus du seuil or et du meilleur humain) et IMO 2026 (30/42, au-dessus du seuil or) obtenus par fine-tuning de Nemotron, avec modèles, données et recettes publiés en open source sur Hugging Face.

Nouveaux modèles 3.8 Live et Extended Thinking déployés via API et Google Apps avec benchmarking externe vérifié.

Publication d'une preuve formelle en Lean et d'un article affirmant résoudre l'un des sept problèmes du millénaire.

Contre-exemple à la conjecture d'Erdős, preuves de problèmes ouverts : un essai cherche à prédire quels problèmes mathématiques les LLM peuvent résoudre, et pourquoi.

Des chercheurs proposent une procédure d'élagage des solutions partielles qui optimise directement le pass@k, afin d'arbitrer entre qualité et diversité dans le test-time scaling des modèles de raisonnement.

CausalCoT décompose un problème en graphe acyclique de sous-questions évaluées dans des contextes isolés, afin que le raisonnement intermédiaire influence réellement la réponse finale.

Des chercheurs proposent LongZero, une méthode où un LLM améliore seul son raisonnement sur contexte long, sans corpus externe ni modèle enseignant, via GRPO.

P2NPCBench associe 12 familles de problèmes NP-complets à leurs jumeaux polynomiaux. Les 12 modèles évalués réussissent moins bien côté NP-complet, avec un écart réduit par la réécriture adversariale.

ReDiST construit des traces de raisonnement adaptées à l'élève cible, puis les distille, avec de meilleures performances que la supervision par la seule réponse sur des benchmarks de QA.

Une étude montre que la vérification relâchée du décodage spéculatif accepte plus de tokens par tour mais allonge les complétions, annulant en grande partie les gains de vitesse apparents.

Une publication parue dans AI Magazine (Wiley/AAAI) interroge les moyens de doter des LLM, assimilés à un raisonnement intuitif de type Système 1, de compétences relevant du Système 2.

Une étude suggère que les gains du RL en mode NO-THINK sur les modèles hybrides comme Qwen3 viennent surtout d'une réactivation du mode THINK d'origine, plutôt que d'un raisonnement amélioré.

Apple propose SSR, un cadre qui remplace le raisonnement libre des agents multimodaux par une sélection parmi des candidats prédéfinis, pour réduire le coût d'inférence des petits modèles.

Un petit modèle de raisonnement guide un grand modèle vers des chaînes de pensée plus courtes : −31 % de tokens sur Qwen3-32B, à précision inchangée, sans aucun entraînement supplémentaire.

Liquid AI présente LFM2.5-24B-A2B, un modèle de raisonnement MoE de 24 milliards de paramètres dont 2 milliards actifs, conçu pour exécuter des agents en local.

Selon le New York Times, une nouvelle publication d'OpenAI suscite des réactions contrastées dans la communauté mathématique, entre admiration pour les capacités et inquiétude pour la discipline.

Les avancées d'OpenAI en mathématiques pourraient provoquer une crise d'identité chez les mathématiciens. Quelles disciplines et quels métiers seront touchés ensuite ?

Un billet du mathématicien Asaf Karagila revient sur les affirmations d'OpenAI en mathématiques et interroge ce que le principe de partition révèle de la rigueur des preuves produites par IA.

Des chercheurs proposent un cadre qui sépare la phase d'exploration de celle d'optimisation en RLVR, permettant d'intensifier l'exploration sans dégrader la qualité du modèle final.

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.

NVIDIA démontre qu'un même modèle de base, Nemotron, peut atteindre le niveau or aux compétitions IOI et IMO 2026 grâce à des stratégies de fine-tuning distinctes.

Un simple token de départ comme « Okay » ou « Alright » peut faire bondir les performances de raisonnement d'un modèle de base, sans RL.

Une nouvelle méthode d'entraînement permet à un modèle de produire en une seule génération des réponses aussi précises qu'avec un échantillonnage coûteux à 64 candidats.

Queen, un modèle de 4 milliards de paramètres, combine un moteur d'échecs silencieux et un LM pour atteindre le niveau Grand Maître tout en expliquant ses décisions.

Un site propose de deviner le comportement d'une fonction mystère à partir d'exemples, un exercice ludique de raisonnement algorithmique.

Le co-créateur d'AlphaGo revient sur le coup 37 contre Lee Sedol pour expliquer pourquoi le raisonnement véritable fait encore défaut aux LLM actuels.

Un nouveau harnais visuel dote les modèles multimodaux d'une mémoire longue durée, propulsant Claude Opus 5.0 à un score parfait sur ARC-AGI-3.

Un nouveau cadre couple génération discrète de tokens et trajectoire latente continue pour améliorer les modèles de diffusion textuelle.

Une méthode d'attribution de crédit au niveau des tokens améliore la robustesse du raisonnement des LLM entraînés par RLVR.

Une nouvelle loi d'échelle modélise conjointement récurrence et sparsité, et prédit plus finement les performances des modèles MoE bouclés.

PostHog publie Jeeves, un projet explorant comment le raisonnement renforce les modèles de décision inspirés de Jev.

Une méthode de post-training qui concentre les itérations supplémentaires sur les tokens qui en tirent vraiment profit, avec des gains mesurés sur AIME.

Un papier de 2021 explore comment doter les systèmes d'IA d'une métacognition inspirée du modèle dual de Kahneman, resurgi dans les discussions HN.

Un fine-tuning auto-supervisé basé sur la confiance réduit de 25% les tokens générés par les modèles de raisonnement, sans perte de précision.

Anthropic publie une note de recherche sur les capacités de raisonnement itératif de Claude, en réponse à des questions sur ses limites.

Un nouveau modèle du monde corrige les raisonnements bruités des agents LLM plutôt que de simuler les retours des outils.

Une méthode de distillation on-policy corrige les biais d'exposition amplifiés par la quantification sub-3-bit, restaurant la performance des modèles sur les tâches de raisonnement long.

Évaluation de l'efficacité communicative de six LLM dans un jeu de questions-réponses à asymétrie d'information.

Google DeepMind dévoile deux nouvelles variantes de Gemini axées sur l'interaction en temps réel et le raisonnement approfondi.

Une nouvelle approche BPO optimise les politiques d'IA sans estimateur de valeur, améliorant le raisonnement mathématique.

Une méthode injecte des traces de raisonnement d'un modèle enseignant pour débloquer l'exploration en RL sur les modèles de diffusion.

Un nouveau cadre sans entraînement transforme le traitement du contexte long en convolution hiérarchique, réduisant latence et risque de surapprentissage.

OpenAI publie une solution générée par IA à l'un des sept problèmes du millénaire, avec preuve formelle en Lean.

Un nouveau benchmark teste les LLM sur des données physiologiques longitudinales réelles issues de 200 utilisateurs et 500 jours de mesures.

L'approche probabiliste jugée risquée par les spécialistes de la sécurité de l'IA.

Une nouvelle méthode RLVR identifie la première erreur de raisonnement pour guider l'entraînement des LLM.

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

Le chercheur en informatique quantique revient sur la capacité des grands modèles de langage à raisonner sur eux-mêmes.

Un benchmark évalue la capacité des modèles à suivre l'impact des modifications de plugins dans des systèmes dynamiques complexes.

Un développeur détaille comment atteindre 44 % de score sur le benchmark ARC-AGI-1 avec un budget de calcul dérisoire.

Un nouveau cadre exploite les échecs typiques des petits LLM comme exemples critiques en contexte, pour améliorer le raisonnement à moindre coût.

Une méthode d'apprentissage sans étiquettes qui combine distillation et RL pour améliorer le raisonnement mathématique.

Une méthode perturbe les trajectoires via des modèles plus faibles pour préserver la diversité et la couverture du raisonnement.