Des chercheurs du MIT étudient comment des réseaux d'apprentissage automatique parviennent à apprendre sans consignes détaillées de leur concepteur. Ces réseaux pourraient éclairer la façon dont le cerveau se réorganise pendant l'apprentissage.
Pour son premier épisode consacré à la robotique, Latent Space reçoit Jason Ma, directeur scientifique de Dyna Robotics, autour de Dyna-2, des agents physiques capables d'agir seuls pendant une heure. Il y défend le pari de l'entreprise sur les « world action models » et l'IA physique.
GitHub présente un classifieur sensible au contexte qui améliore la détection des secrets, comme des identifiants, laissés dans le code. L'entreprise fait état d'un taux d'acceptation pondéré en hausse de 11,5 % et d'un temps d'analyse médian réduit de 86 %.
Google DeepMind consacre une publication à une déclinaison robotique de son nouveau modèle Gemini 4 Argon, qui élargit ce lancement au-delà de la conversation et du code.
Meta présente la suite de GEM, le modèle de fondation de recommandation publicitaire lancé l'an dernier. L'entreprise veut accroître à la fois la puissance de calcul et le transfert de connaissances du modèle grâce à du matériel de nouvelle génération, puis l'étendre à tout son écosystème publicitaire.
La start-up munichoise Spranic développe une couche de mémoire spatiale qui enregistre les lieux physiques et leurs évolutions. Reliées à des graphes de connaissances, ces données pourraient aider les robots à interpréter leur environnement d'une tâche à l'autre, selon son fondateur.