Apprentissage Automatique

Une nouvelle étude montre que l'apprentissage par transfert peut réduire de plus d'un facteur dix les coûts de calcul nécessaires à la recherche d'une physique au-delà du modèle cosmologique standard. Cette approche consiste à entraîner l'IA d'abord sur des simulations simples avant de passer à des simulations complexes. Cependant, elle peut engendrer un transfert négatif qui entrave la détection d'effets véritablement novateurs.

30 avril 2026 Rapporté par l'IA

OpenAI a expliqué pourquoi ses modèles ChatGPT ont développé une affinité inhabituelle pour les mentions de gobelins et de gremlins. Le problème provient de l'apprentissage par renforcement dans la fonctionnalité de personnalité « geek ». L'entreprise a résolu la situation en supprimant cette personnalité et en ajustant ses processus d'entraînement.

Thinking Machines Lab, une startup fondée par d'anciens chercheurs d'OpenAI, a lancé son premier produit, Fine-Tune, visant à simplifier la personnalisation des grands modèles de langage. La plateforme promet de rendre l'ajustement fin accessible aux développeurs sans ressources étendues. Cette sortie marque une étape importante pour l'entreprise sur le marché compétitif des outils d'IA.

1 octobre 2025 Rapporté par l'IA

L'entreprise chinoise d'IA DeepSeek expérimente des mécanismes d'attention éparse pour réduire significativement les coûts de traitement des modèles de langage de grande taille. Cette approche concentre les calculs sur les parties clés des données d'entrée, potentiellement en divisant par deux les besoins en ressources. Ce développement pourrait rendre l'IA avancée plus accessible au milieu des préoccupations croissantes liées à l'énergie.