38 articles analysés par IA / 770 total
Google a lancé Gemma 4, un modèle d'IA focalisé sur l'inférence locale sur appareils Android, permettant d'exécuter tout le cycle logiciel d'IA en local, de la programmation à la production. Ce modèle vise à réduire la dépendance au cloud, améliorer la latence et renforcer la confidentialité des données pour les applications mobiles. Il illustre une tendance à déployer des IA plus autonomes directement sur des dispositifs edge.
Le projet Houdini d'Amazon ambitionne de construire et mettre en service des centres de données spécialisés IA en quelques semaines plutôt qu'en mois, afin d'accélérer radicalement les capacités d'infrastructure IA. Cette initiative utilise des méthodologies modulaires et automatisées pour réduire les délais d'industrialisation et supporter la montée en charge des workloads IA hyperscalers. La réduction des cycles de déploiement peut renforcer la flexibilité opérationnelle pour des équipes d'ingénierie IA.
Cet article propose une méthode de suivi au niveau des étapes pour détecter les attaques d'injection de prompt dans les systèmes LLM multi-agents, améliorant la sécurisation et la robustesse des modèles. La technique permet d'isoler les phases de la chaîne d'attaque (kill-chain) et de mettre en place des guardrails précis pour prévenir les comportements indésirables. Les résultats aident les équipes à mieux comprendre et contrôler les vulnérabilités dans des déploiements LLM complexes.
Une approche de planification de workflows DAG en cloud utilisant un apprentissage par renforcement profond basé sur des graph neural networks (GNN) optimise l'équilibre entre coûts énergétiques et latence. Testé sur des workloads cloud réels, ce système améliore la gestion des ressources tout en réduisant l'empreinte énergétique. Cette technique ouvre des pistes pour des infrastructures IA plus durables et économes en coût, essentielles aux pipelines de production IA à grande échelle.
3D-VCD est une technique destinée à réduire les hallucinations textuelles produites par des agents LLM incarnés dans des environnements 3D, en utilisant un décodage contrastif visuel. Cette méthode améliore la fiabilité des agents interactifs multimodaux en renforçant l'ancrage sur observations visuelles réelles. Cela permet des applications plus sûres et précises de LLM dans des domaines robotiques ou virtuels complexes intégrant perception multimodale.
Cette approche introduit un transformeur capable d'estimer précisément la confiance des prédictions via la prédiction conforme, augmentant la sécurité des grands modèles linguistiques. Elle est particulièrement destinée aux applications à haut risque nécessitant une quantification fine de l'incertitude. Ce modèle facilite la mise en place de guardrails robustes en production, améliorant la fiabilité et la transparence de systèmes IA complexes.
PACED est une méthode de distillation qui concentre l'apprentissage sur les exemples non maîtrisés par le modèle étudiant, en utilisant les signatures de gradients pour guider l'optimisation. Cette technique augmente l'efficacité du fine-tuning et réduit le gaspillage computationnel. Elle offre une voie pour accélérer la montée en compétence des LLM en production avec un entraînement plus précis et ciblé.
Cette étude montre que la géométrie spectrale des poids des adaptateurs LoRA encode l'objectif d'entraînement et peut prédire les comportements indésirables lors du fine-tuning de grands modèles. Elle propose un outil d'interprétabilité des stratégies de tuning qui améliore la gouvernance et la sécurité des déploiements LLM. Les ingénieurs IA peuvent ainsi détecter préventivement des risques et affiner leurs pipelines de fine-tuning.
CORA est un protocole visant à sécuriser les agents IA autonomes pour l'automatisation d'interfaces graphiques mobiles, contrôlant le contexte et régulant les mutations d'état pour éviter les comportements dangereux. Ce cadre établit des guardrails de gouvernance pour limiter les risques liés aux décisions non supervisées en production. Il sert de référence pour des architectures d'agents fiables dans la robotisation logicielle.