Le CERN et Mistral AI veulent apprendre à une IA à interpréter les collisions de particules du Grand collisionneur de hadrons. Présenté comme une première mondiale, le projet pourrait transformer la manière dont les physiciens explorent l'infiniment petit.
Les chercheurs s'appuient désormais sur l'IA pour déchiffrer, transcrire et croiser des documents longtemps restés inaccessibles. Au-delà du temps gagné, elle ouvre de nouvelles pistes pour explorer le passé.
Un nouvel essai avance que les réseaux de neurones seraient bien plus lisibles qu'on ne le pensait, environ 90 % des neurones ayant une fonction claire. Si c'était le cas, on pourrait repérer directement la tromperie ou les comportements dangereux dans les circuits d'un modèle, mais la thèse reste discutée.
Une prépublication montre qu'un agent peut déclencher un outil avant même que le modèle n'exprime son refus, révélant un décalage entre le discours du modèle et ce que l'orchestrateur exécute vraiment. L'étude recense aussi 253 bogues vérifiés dans 118 serveurs MCP, et plaide pour un contrôle des actions indépendant des réponses du modèle.
Des notes internes de Microsoft et d'OpenAI le reconnaissent : en détournant le trafic des sites web, l'IA assèche les contenus humains dont elle se nourrit. De quoi menacer, à terme, l'entraînement de ses propres modèles.
La newsletter de Latent Space relaie des affirmations fortes de Nick Cammarata, selon qui des agents auraient réfuté la polysémanticité et fait nettement avancer l'interprétabilité et l'alignement. Il s'agit d'affirmations, pas de résultats établis.