Une IA entraînée pour moins de 8 000 dollars bat le numéro un du Stratego
Le système d'IA Ataraxos, du MIT, de CMU, de NYU et de Stanford, a battu le meilleur joueur de Stratego 15-1-4, pour un entraînement de moins de 8 000 dollars.
Actualités et analyses : Apprentissage par renforcement
12 articles vérifiés sur Apprentissage par renforcement, les produits et le secteur.
Xiaomi disseque le bug des appels répétés de MiMo, corrigé pour 90 000 dollars
Xiaomi a publié une analyse technique expliquant pourquoi MiMo-V2.6 répétait des appels d'outils identiques dans les agents de code, et comment la solution finale n'a coûté qu'environ 90 000 dollars contre 2,31 millions pour l'alternative écartée.
DeepSeek dévoile son socle de sandbox : 3 millions d'exécutions par jour
DeepSeek publie un rapport technique sur DSec, son infrastructure de sandbox pour l'entraînement d'agents IA : environ 3 millions de sandboxes par jour, avec un pic d'environ 380 000 instances simultanées.
Xiaomi passe MiMo-V2.6 en open source, indice d'intelligence de 46 points
Xiaomi passe MiMo-V2.6 en open source et atteint 46 points sur l'indice d'intelligence d'Artificial Analysis, devant Kimi K3 et Qwen3.8 Max.
Hugging Face entraîne un modèle de code à peindre à l'aquarelle
Avec seulement 178 images de référence notées à la main et un budget de quelques centaines de dollars, Hugging Face a entraîné par renforcement un modèle de code à peindre à l'aquarelle.
RLinf v0.3 boucle l'entraînement des robots
RLinf v0.3 relie collecte de données, SFT, apprentissage par renforcement, évaluation et déploiement sur robots réels pour l'embodied AI.
Oak Lab fixe un objectif de 20 watts pour des agents apprenants en continu
Oak Lab fixe un objectif de 20 watts pour des agents apprenants en continu. L’article résume les faits vérifiés et le signal au-delà d’une annonce isolée.
Sutton: l’IA générative seule ne fait pas de vraie science
Le pionnier de l’apprentissage par renforcement estime que les modèles de prochain token manquent de causalité, d’expérience et d’expérimentation.
Le père d'AlphaGo lève 1,1 milliard de dollars pour créer une IA auto-apprenante
David Silver, ancien chercheur de DeepMind, lève 1,1 milliard de dollars en amorçage pour Ineffable Intelligence, valorisée 5,1 milliards, afin de construire une IA « super-apprenante » basée sur l'apprentissage par renforcement, sans dépendre des données humaines.
La nouvelle entreprise de Mira Murati atteint une valorisation de 12 milliards de dollars en 14 mois
Thinking Machines Lab, la startup de Mira Murati, a signé un contrat de plusieurs milliards de dollars avec Google Cloud pour utiliser des systèmes GB300 NVL72, en se concentrant sur le réglage fin de modèles d'IA par apprentissage par renforcement.
Le robot de tennis de table Ace de Sony bat des humains pour la première fois en compétition
Le robot Ace, développé par Sony AI, a battu des joueurs amateurs d'élite et un joueur professionnel japonais sur des tables de niveau olympique au siège de Sony à Tokyo, marquant la première fois qu'un robot atteint un niveau d'élite dans un sport de compétition réel.
Kimi K1.5 valide le raisonnement piloté par l'apprentissage par renforcement
Moonshot AI a publié K1.5 avant K2, avec pour objectif central d'améliorer les capacités de raisonnement via l'apprentissage par renforcement pur, confirmant la faisabilité de cette approche sur des modèles de taille moyenne.