La société d'intelligence artificielle xAI d'Elon Musk a lancé lundi son dernier modèle linguistique, Grok 3, marquant une avancée importante pour la société dans le domaine de l'IA. Selon Musk, le nouveau modèle nécessite dix fois plus de puissance de calcul que son prédécesseur, utilisant un centre de données situé à Memphis, équipé d'environ 200 000 GPU. La série de modèles Grok 3 propose plusieurs variantes, notamment une version allégée, conçue pour améliorer la vitesse au détriment de la précision. De plus, un nouveau modèle de « raisonnement » est spécialement conçu pour résoudre des problèmes de mathématiques et de sciences.

La start-up d'IA Anthropic se prépare à lancer son dernier modèle d'IA, dont la sortie officielle est prévue dans les prochaines semaines. Selon theinformation, ce nouveau modèle, qualifié de "modèle hybride", est capable de basculer entre le "raisonnement profond" et une réponse rapide. Ce design innovant vise à fournir aux développeurs des outils plus flexibles pour répondre aux besoins de différents scénarios d'application. Comparé aux versions précédentes, le nouveau modèle d'Anthropic excelle dans le traitement de tâches complexes. Sa capacité de raisonnement profond...

Récemment, l'équipe d'apprentissage automatique de Vectara a mené des tests approfondis sur les hallucinations de deux modèles de la série DeepSeek. Les résultats montrent que le taux d'hallucinations de DeepSeek-R1 atteint 14,3 %, significativement plus élevé que les 3,9 % de son prédécesseur, DeepSeek-V3. Cela indique que, lors de l'amélioration du raisonnement, DeepSeek-R1 génère davantage de contenu inexact ou incohérent avec les informations d'origine. Ce résultat a suscité un large débat sur le taux d'hallucinations des grands modèles linguistiques (LLM) dont le raisonnement a été amélioré. Source de l'image

Lune Obscure est fière de présenter son nouveau modèle SOTA (state-of-the-art) : le modèle de pensée multimodale k1.5, marquant une avancée majeure dans les domaines du raisonnement multimodale et du raisonnement général. Ce modèle possède non seulement d'excellentes capacités de traitement multimodales, mais il fait également preuve d'une capacité de raisonnement général exceptionnelle, capable de gérer efficacement diverses tâches complexes. Le point fort du modèle k1.5 réside dans ses capacités de raisonnement multimodales. Il peut traiter simultanément des informations provenant de différents modes, tels que le texte, les images et le son, afin de fournir des résultats plus complets et précis.

OpenAI et Andrew Ng, figure emblématique de l'IA et professeur à l'université de Stanford, lancent un cours gratuit majeur intitulé 'Raisonnement avec o1'. Ce cours, dispensé par Colin Jarvis, responsable de l'architecture des solutions stratégiques chez OpenAI, vise à aider les développeurs à maîtriser les capacités de raisonnement avancées des modèles de la série o. Adresse du cours : https://www.deeplearning.ai/short-courses/reasoning-wit

Récemment, une équipe de recherche de l'Université de Pékin et d'autres institutions a annoncé la publication de LLaVA-o1, un modèle multi-modal open source. Il s'agirait du premier modèle langue-vision capable de raisonnement spontané et systématique, comparable à GPT-o1. Ce modèle a excellé dans six benchmarks multimodaux exigeants. Sa version à 11 milliards de paramètres a surpassé des concurrents tels que Gemini-1.5-pro, GPT-4o-mini et Llama-3.2-90B-Vision-Instruct. L

Kimi, l'assistant intelligent de Yue Zhi Anmian, annonce une nouvelle évolution de Kimi Explore avec l'introduction de trois nouvelles capacités de raisonnement : amélioration de l'intention de recherche, analyse des sources et raisonnement en chaîne. L'amélioration de l'intention permet à Kimi Explore de concrétiser les questions abstraites et floues, afin de mieux cerner les intentions réelles de recherche des utilisateurs. L'analyse des sources permet à Kimi Explore de sélectionner les sources les plus fiables et les plus pertinentes parmi une multitude de résultats de recherche, et de fournir des liens de source précis, jusqu'au niveau du paragraphe. La capacité de raisonnement en chaîne permet à Kimi Explore de traiter les informations grâce à un raisonnement basé sur une chaîne de pensée.

L'équipe FAIR de Meta a récemment lancé un nouveau modèle Transformer appelé Dualformer, qui imite le double système cognitif humain et intègre de manière transparente les modes de raisonnement rapide et lent, réalisant des progrès significatifs en termes de capacités de raisonnement et d'efficacité de calcul. Le processus de pensée humaine est généralement considéré comme étant contrôlé par deux systèmes : le système 1 est rapide et intuitif, tandis que le système 2 est plus lent mais plus logique. Les modèles Transformer traditionnels ne simulent généralement que le système 1 ou le système 2.

Un nouveau framework open source innovant, appelé OpenR, a récemment été développé pour résoudre les faiblesses des grands modèles linguistiques (LLM) dans les tâches de raisonnement complexes. Développé conjointement par des chercheurs de l'University College London, de l'Université de Liverpool, de l'Université Jiao Tong de Shanghai, de l'Université de Science et Technologie de Hong Kong (Guangzhou) et de l'Université de Westlake, ce framework ouvre de nouvelles voies pour améliorer les capacités de raisonnement des LLM grâce à la combinaison du calcul au moment des tests, de l'apprentissage par renforcement et de la supervision du processus. Bien que les LLM aient fait des progrès significatifs dans la génération de langage, ils rencontrent encore des difficultés lorsqu'il s'agit de tâches complexes telles que les mathématiques, la programmation et les problèmes scientifiques.

Des chercheurs de l'Institut Mila, de Google DeepMind et des Microsoft Research ont récemment mené une enquête approfondie sur les capacités de raisonnement des modèles linguistiques d'IA, découvrant des lacunes importantes dans les modèles petits et bon marché lorsqu'il s'agit de résoudre des problèmes complexes. L'étude a utilisé un test appelé « GSM combiné » pour évaluer la performance de ces modèles dans la résolution de problèmes mathématiques enchaînés. Légende de l'image : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney. Les chercheurs ont combiné deux...

OpenAI a récemment lancé sa nouvelle série de modèles d'intelligence artificielle o1, qui a démontré des capacités très avancées dans certaines tâches logiques, ce qui a conduit l'entreprise à procéder à une évaluation prudente de ses risques potentiels. Sur la base d'évaluations internes et externes, OpenAI a classé le modèle o1 comme "risque modéré". Pourquoi un tel niveau de risque ? Premièrement, le modèle o1 présente des capacités de raisonnement similaires à celles des humains, capable de générer des textes aussi convaincants que ceux écrits par un humain sur le même sujet. Cette capacité de persuasion n'est pas...

OpenAI a lancé sa nouvelle série de modèles OpenAI o1. Ce nouveau modèle présente des capacités de raisonnement considérablement améliorées par rapport aux modèles précédents, et ses performances sont très prometteuses. OpenAI o1 : capacités de raisonnement amélioréesIl s'agit d'une toute nouvelle série de modèles de raisonnement conçus pour aider à résoudre des problèmes complexes. Ces modèles ont été spécialement entraînés pour prendre plus de temps à réfléchir avant de répondre, ce qui leur permet de résoudre des problèmes plus complexes que jamais dans des domaines tels que les sciences, le codage et les mathématiques. OpenAI o1 sera d'abord disponible sur Ch

OpenAI s'apprête à lancer son nouveau modèle d'IA baptisé « Framboise (Strawberry) », prévu pour être intégré à ChatGPT dans les deux semaines. Ce modèle résout des problèmes complexes grâce à un raisonnement en plusieurs étapes. Positionné comme un modèle de raisonnement, il est capable de gérer des tâches telles que la résolution de problèmes d'algèbre avancés ou la conception de campagnes marketing qui prendraient des mois. Il est important de noter que « Framboise » ne prend en charge que le traitement de texte, contrairement à GPT-4, modèle phare capable de traiter des images et de l'audio. Cependant, ce modèle pourrait être plus lent à répondre.

Une équipe de Google DeepMind, en collaboration avec des universités, a développé une méthode innovante appelée modèle de récompense génératif (GenRM) pour améliorer la précision et la fiabilité des IA génératives dans les tâches de raisonnement. GenRM intègre le processus de vérification dans les tâches de génération de texte, permettant au modèle de générer et d'évaluer simultanément des solutions potentielles, tout en prenant en charge le raisonnement en chaîne (CoT), améliorant ainsi la globalité du processus de vérification. Par rapport aux méthodes traditionnelles, GenRM a démontré des avantages significatifs dans plusieurs tests, avec une amélioration de la précision de 16% à 64%, notamment.

Le classement récent de l'arène de chatbot LMSYS montre que DeepSeek-V2-0628, classé 11ème au classement général de LMSYS Chatbot Arena, dépasse de nombreux modèles open source tels que Llama3-70B, Qwen2-72B, Nemotron-4-340B et Gemma2-27B, se positionnant ainsi en tête du classement mondial des modèles open source. Par rapport à la version 0507, DeepSeek-V2-0628 présente des améliorations significatives en matière de codage, de raisonnement mathématique, de suivi d'instructions, de jeu de rôle et de JS.

Une équipe de recherche du MIT a récemment exploré en profondeur les performances des grands modèles de langage (LLM) dans différentes tâches. L'étude a révélé que les LLM affichent de bonnes performances sur les tâches familières, mais présentent des limites de raisonnement importantes lorsqu'ils sont confrontés à des situations atypiques ou inconnues. En comparant les « tâches par défaut » aux « scénarios contre-factuels » et en modifiant la conception des tâches pour tester les réponses du modèle, les résultats montrent que, bien que le modèle excelle dans les calculs arithmétiques décimaux, ses performances sont radicalement différentes dans les environnements non décimaux et dans d'autres tâches telles que la musique, le raisonnement spatial et les échecs.

LeCun et les cofondateurs de xAI ont engagé un débat animé sur les capacités de raisonnement de GPT-4. LeCun estime que GPT-4 manque de capacités de raisonnement, ce qui a suscité un large débat. Christian Szegedy, cofondateur de xAI, a évoqué les limites et les percées en matière de raisonnement. Certains internautes ont comparé GPT-4 à la pensée humaine, qualifiant même les humains de « perroquets aléatoires ». Une étude de Subbarao Kambhampati de l'ASU souligne les performances médiocres de GPT-4 en matière de planification et de raisonnement.