Des chercheurs d'Apple présentent ce qu'ils décrivent comme les premiers modèles de diffusion masqués entraînés de zéro sur du texte, des paires image-texte et audio-texte. L'article étudie les lois d'échelle multimodales, les proportions de chaque modalité, les calendriers de bruit et la taille des lots, et propose des réglages par défaut pour l'inférence.
Des chercheurs d'Apple proposent une méthode légère pour repérer l'alternance de langues au sein d'une même phrase directement dans l'audio, sans passer par une transcription. Elle exploite les informations de langue présentes image par image dans des modèles de parole préentraînés, afin d'enrichir les données d'entraînement en exemples de ce type.
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.
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.
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.