Hugging Face et FriendliAI s'allient pour accélérer le déploiement de modèles sur le Hub

Entraînez des modèles d'IA gratuitement avec Unsloth et Hugging Face Jobs

"Apprenez à entraîner des modèles d'IA gratuitement avec Unsloth et Hugging Face Jobs. Utilisez ces outils pour exploiter le pouvoir de l'apprentissage automatique sans dépenser un centime." Résumé: Exploitez gratuitement le potentiel de l'apprentissage automatique via Unsloth et Hugging Face Jobs pour entraîner des modèles d'IA sans coûts financiers.

Yann LeCun lance AMI Labs et lève 1,03 milliard pour créer des modèles du monde

Yann LeCun a cofondé AMI Labs, qui vient de lever 1,03 milliard de dollars pour une valorisation pré-monétaire de 3,5 milliards, avec le soutien de Nvidia, Samsung, Toyota Ventures et Temasek. L'entreprise vise à développer des "modèles du monde" basés sur l'architecture JEPA (Joint Embedding Predictive Architecture), une alternative aux LLMs capables d'apprendre directement de la réalité plutôt que du texte. Sans objectif de revenus à court terme, AMI Labs adoptera une approche de recherche fondamentale sur plusieurs années, avec Nabla comme premier partenaire de test.

Les modèles d'IA sont mauvais pour parier sur le football, Grok en tête

Une étude publiée cette semaine par la startup londonnienne General Reasoning révèle que les grands modèles d'IA de Google, OpenAI, Anthropic et xAI ont tous perdu de l'argent en pariant virtuellement sur les matchs de Premier League de la saison 2023-2024. Le rapport, baptisé "KellyBench", a soumis huit systèmes d'IA à une reconstitution virtuelle complète de la saison, en leur fournissant des données historiques détaillées sur chaque équipe et chaque rencontre. Les modèles avaient pour mission de construire des stratégies maximisant les rendements tout en gérant le risque, une tâche à laquelle tous ont échoué, le modèle Grok d'xAI s'illustrant particulièrement mal. Ce résultat met en lumière une limite structurelle des IA actuelles : leur incapacité à raisonner de manière fiable sur des problèmes complexes du monde réel sur de longues périodes. Là où ces mêmes systèmes excellent dans des tâches bien délimitées comme l'écriture de code ou la génération de texte, la prévision sportive exige une intégration de facteurs dynamiques, d'incertitudes cumulées et d'un jugement probabiliste soutenu que les modèles peinent à maintenir sur une saison entière. L'étude KellyBench s'inscrit dans un débat plus large sur les véritables capacités de raisonnement des LLM. Alors que les benchmarks traditionnels sont régulièrement saturés par les nouveaux modèles, General Reasoning cherche à concevoir des épreuves qui résistent dans le temps et mesurent des compétences cognitives authentiques. Les paris sportifs, imprévisibles par nature et impossibles à mémoriser par entraînement, constituent un terrain de test particulièrement révélateur des lacunes réelles de ces systèmes.

💬 Ça paraît anecdotique, mais c'est en fait un des benchmarks les plus honnêtes qu'on ait vus depuis longtemps : tu enlèves la possibilité de mémoriser les réponses pendant l'entraînement, et là les modèles se plantent dans les grandes largeurs. Ce que ça révèle, c'est pas qu'ils sont "mauvais au foot", c'est qu'ils tiennent pas sur la durée dès que le problème est dynamique et bruité. Grok en lanterne rouge, c'est la cerise.

Le médecin AI est un exagération hypothétique pour les désespérés et les accélérés

"The AI Doc", co-dirigé par Daniel Roher et Charlie Tyrell, tente de clarifier les confusions entourant l'intégration rapide de l'IA générative dans la vie quotidienne, alors que les partisans et détracteurs exagèrent souvent ses capacités. Le film aborde la montée en puissance de l'IA avec un point de vue équilibré, cherchant à offrir une compréhension plus nuancée de ce phénomène.