Meta présente ses Generative Recommenders, qui raisonnent conjointement sur le contenu des publicités et les préférences des utilisateurs au lieu de noter chaque annonce, en s'appuyant sur les connaissances des LLM. La tokenisation GenRecs constitue la représentation de données sur laquelle repose cette approche.
Les ingénieurs de Meta constatent des gains d'efficacité et de précision sur leurs agents de pipelines de données en gardant volontairement une couche d'orchestration très légère. Celle-ci se contente de répartir le travail et de contrôler la fiabilité, le raisonnement métier revenant à des agents spécialisés.
Des chercheurs chinois se sont demandé si les chatbots répondent différemment selon la langue. D'après eux, les requêtes en mandarin rendent les modèles plus ouverts d'esprit.
Cet article de Mallika Rao analyse le passage des microservices aux architectures d'agents IA. Là où les microservices découpent des fonctions, les agents découpent des décisions, ce qui complique l'observabilité, la fiabilité et la conception des systèmes.
Pour observer ce que font des agents IA sans consigne, des chercheurs ont laissé à plusieurs reprises des copies de Claude Opus 4.7, surnommées Eko, seules sur une île déserte virtuelle pendant 30 heures. Leur comportement ressemblait fort à du jeu.
Apple a publié des travaux sur Minions, une infrastructure qui regroupe la puissance GPU inutilisée de grappes de Mac Apple Silicon pour faire de l'inférence. Le principe n'est pas inédit, mais ces recherches prolongent l'existant et ancrent un peu plus le Mac dans l'IA.