Raisonnement
Fellow suit ce sujet depuis juin 2026 : 131 articles résumés en français, dont 22 jugés majeurs ou notables.
Toute l'actualité · 131 articles
Prefix Sliding : une méthode pour un test-time scaling plus efficace
Une technique qui tronque la mémoire des LLM pendant le raisonnement long, sans perte de performance, pour un scaling moins coûteux.
R³ : entraîner des robots à raisonner en langage naturel via reinforcement learning
Une méthode de post-training transforme des VLMs standards en raisonneurs robotiques capables de guider des politiques de manipulation complexes.
Corriger le désalignement induit par le raisonnement via une pénalité de direction de sécurité
Une étude montre que le fine-tuning sur des données de raisonnement peut dégrader la sécurité des LLM, et propose une méthode pour y remédier sans sacrifier les performances.
Apprentissage de l'allocation adaptative du calcul de test
Un modèle LLM apprend à sélectionner le niveau de raisonnement nécessaire par problème, réduisant le coût de calcul de 41%.
Au-delà de la vraisemblance du teacher : distillation on-policy calibrée par groupe pour le raisonnement long-contexte
Une méthode de distillation corrige le désaccord entre teacher et vérificateur pour améliorer le raisonnement sur des contextes longs.
Le défi IOL-AI : évaluer le raisonnement linguistique
Un benchmark basé sur l'Olympiade Internationale de Linguistique pour tester la capacité des modèles à déduire des règles.
Qwen 3.8 27B est excellent, mais sur-réfléchit massivement par défaut
Le nouveau modèle vision d'Alibaba impressionne sur les benchmarks, mais son mode de raisonnement par défaut génère un surcoût de calcul énorme.
L'IA ne surpasse pas les mathématiciens en raisonnement, mais en mémoire
Un essai avance que les performances des LLM en mathématiques reflètent surtout une capacité de récupération massive plutôt qu'un véritable raisonnement original.
Un seul passage avant : répondre et s'abstenir simultanément dans un LLM figé
Une méthode combine correction de raisonnement et détection d'incertitude en un seul passage forward, sans double calcul ni ré-entraînement du modèle.
VAKRA : un benchmark pour évaluer le raisonnement multi-étapes des agents sur APIs et recherche documentaire
IBM Research publie un benchmark de plus de 8 000 APIs exécutables pour tester les agents LLM sur des scénarios d'entreprise réalistes.
Quel type de mathématiques les LLM maîtrisent-ils vraiment ?
Le mathématicien Timothy Gowers explore les forces et limites des LLM face à différents types de raisonnement mathématique.
Geometric Reasoning par Sophontic
Une nouvelle approche pour le raisonnement géométrique.
Consilience pour le scaling Test-Time sans vérifieur
Une nouvelle méthode corrige les limites des approches par confiance pour le raisonnement des LLM.
Fusion de modes de raisonnement : une étude systématique de l'entraînement des LLM en mathématiques
Une étude analyse les compromis entre mode « réflexion » et mode concis lors de l'entraînement conjoint de LLM sur des problèmes mathématiques.
BDH-CQ : In-Context Learning par raisonnement latent récurrent
Un nouveau modèle de raisonnement combine apprentissage in-context et mémoire récurrente, battant le record d'efficacité coût/précision sur ARC-AGI-1.
L'IA pour la science a besoin de raisonnement, pas seulement de données
Après le succès d'AlphaFold, un essai appelle à dépasser le paradigme data-driven pour bâtir une IA scientifique capable de raisonner.
Des startups rivalisent pour succéder aux Transformers
L'architecture actuelle des LLMs atteint ses limites. Plusieurs acteurs proposent des approches radicales pour réduire les coûts et améliorer le raisonnement.
Anthropic explore les capacités mathématiques de Claude
Un nouveau rapport de recherche examine comment Claude aborde des problèmes mathématiques complexes, avec un focus sur la fonction zêta de Riemann.
DeepMind et le biais du visualisateur
Un essai interroge la confiance excessive de DeepMind dans les capacités de raisonnement visuel des modèles d'IA.
DeepSeek-V4 Latent Reasoning : transfert du raisonnement en espace latent
Une nouvelle méthode déplace la phase de "thinking" dans l'espace latent pour optimiser les performances.
CoBa : un routage à budget de calcul équilibré pour un test-time scaling plus économique
Une nouvelle politique de routage arbitre entre génération, vérification et arrêt pour réduire fortement le coût du raisonnement à l'inférence sans perte de précision.
RP-OPSD : self-distillation guidée pour le raisonnement multilingue
Une méthode de self-distillation on-policy qui se concentre sur les pivots de raisonnement pour améliorer le transfert de compétences multilingue des LLM.
Reasoning Core : données procédurales pour le raisonnement
Une collection de 50 générateurs pour l'entraînement supervisé par complétion, améliorant les performances sur DROP et ARC-Challenge.
Argus : un runtime agentique généraliste pour le raisonnement à long horizon
Un système multi-rôles (Manager, Planner, Engineer, Reviewer) qui persiste ou pivote selon les preuves, avec état projet durable et vérification.
Vers des LLM « natifs des compétences » : l'entropie des compétences pour évaluer et entraîner le raisonnement long
Un nouveau benchmark et une méthode RL mesurent et améliorent la capacité des LLM à basculer entre compétences dans des chaînes de raisonnement complexes.
Modèles de langage récursifs chaînés pour raisonnement multi-itérations
Une méthode d'infrastructure découpe le raisonnement long en étapes indépendantes pour limiter la propagation d'erreurs.
Pourquoi les problèmes d'Erdős tombent un à un face à l'IA
Des modèles d'IA aident désormais à résoudre des conjectures mathématiques restées ouvertes depuis des décennies, posées par le légendaire Paul Erdős.
Position : les LLM ne peuvent pas sauter
Les limites actuelles des LLM sur les tâches de raisonnement complexe et d'abstraction.
SocietyBench : prévision de l'évolution contrefactuelle
Un benchmark évalue la capacité des LLM à anticiper l'évolution d'événements sociaux via des scénarios contrefactuels.
Scaling au moment de l'inférence dans les LLM de raisonnement : régimes, évaluation et reproductibilité
Une taxonomie systématique des méthodes de test-time scaling pour clarifier des comparaisons souvent biaisées par des protocoles hétérogènes.
ReflectRL : tirer parti des échecs experts via réflexion
Un framework plug-and-play convertit les erreurs de modèles experts en signaux d'apprentissage pour améliorer le raisonnement.
LLMs Can't Jump : limites du raisonnement spatial
Une étude révèle que les LLM peinent à résoudre des problèmes de géométrie et de raisonnement spatial.
Une taxonomie des lacunes cognitives dans l'IA générative et agentique
Un panorama des limites persistantes des systèmes d'IA en matière de raisonnement, mémoire et autonomie, avec une architecture conceptuelle pour y remédier.
Un modèle interne OpenAI résout 10 problèmes ouverts
Le modèle Astra aurait réussi à résoudre dix problèmes majeurs non résolus en mathématiques et en informatique.
Les LLM échouent au trading, le raisonnement n'y change rien
Une étude montre que les capacités de raisonnement avancé des grands modèles de langue n'améliorent pas leurs performances en trading.
Le raisonnement de l'IA est-il juste pour de mauvaises raisons ?
Les modèles semblent raisonner, mais leurs mécanismes internes divergent souvent de la logique humaine.
β-OPSD : optimisation par politique et auto-distillation
Une nouvelle méthode généralise l'auto-distillation on-policy en introduisant un paramètre β pour équilibrer stabilité et performance.
Échantillonner plutôt que réfléchir : le simple sampling répété bat Self-Refine et Reflexion à coût égal
Une étude contrôlée sur 36 comparaisons montre qu'aucune méthode d'auto-critique ne surpasse le sampling répété une fois le coût en tokens égalisé.
Mental World Modeling : intégrer les états mentaux dans les modèles du monde
Un nouveau cadre théorique ajoute croyances, désirs et intentions aux modèles du monde pour mieux prédire les décisions humaines.
OpenAI : deux réglages API suffisent à tripler les scores sur ARC-AGI-3
En activant la rétention du raisonnement et la compaction, GPT-5.6 voit ses performances et son efficacité fortement progresser sur ce benchmark.
Relay-OPD : une méthode de distillation on-policy qui corrige les trajectoires de raisonnement défaillantes
Un nouveau mécanisme de relais enseignant-élève réduit l'échec en cascade lors de la distillation, avec des gains mesurables sur le raisonnement mathématique.
Que se passe-t-il en coulisses quand on modifie le niveau d'effort d'un même modèle LLM ?
Une discussion technique explore ce que recouvre réellement le paramètre 'effort' proposé par certains fournisseurs de LLM.
ARC-AGI : nouveau classement publié
Le classement officiel du benchmark ARC-AGI est désormais accessible pour mesurer le raisonnement.
Skill Self-Play : l'auto-évolution des LLM par compétences co-évolutives
Un nouveau cadre d'entraînement par auto-jeu pour améliorer les capacités de raisonnement et d'usage d'outils des LLM.
Letterpaths : comment les LLM peuvent être utiles même quand ils se trompent
Un essai explore comment les erreurs des LLM sur des tâches simples révèlent des usages où leur imperfection reste exploitable.
MIRROR : optimiser le raisonnement multi-modal par vues croisées
Une méthode RL exploitant les vues texte et image pour améliorer la cohérence des modèles de vision-language.
X³-OPD : distillation de raisonnement pour modèles audio-langage
Un nouveau cadre transfère le raisonnement logique de modèles textuels vers des modèles audio via un alignement on-policy.
SoftReason : une architecture neuro-symbolique différentiable pour le raisonnement déductif sur données perceptuelles
Un nouveau cadre neuro-symbolique fusionne perception et déduction logique en un seul modèle entièrement différentiable, testé sur des tâches de VQA guidées par graphe de connaissances.
Notes personnelles : les LLM peuvent-ils tirer parti d'abstractions expérientielles ?
Une étude explore si les LLM peuvent extraire des stratégies réutilisables de leurs propres traces de résolution, comme le font les humains avec l'expérience.
PyroDash : inférence collaborative token par token entre petits et grands modèles de langage
Un framework où un petit modèle décide lui-même quand solliciter un LLM, réduisant fortement les coûts d'inférence sans sacrifier la précision.