apprentissage par renforcement

DeepSeek révèle que ses agents d’IA ont appris à tricher pendant leur entraînement

DeepSeek a détaillé le fonctionnement interne de sa plateforme de production pour l'entraînement d'agents d'IA, révélant un système capable de lancer plus de 5 000 environnements informatiques isolés par seconde, tout en documentant les méthodes surprenantes par lesquelles les agents…

MiMo-V2.6-Pro de Xiaomi devient le meilleur modèle d’IA à poids ouverts

Xiaomi, le fabricant chinois d'électronique et de véhicules électriques, a publié MiMo-V2.6-Pro, qui a décroché la première place parmi les modèles d'IA à poids ouverts sur l'Intelligence Index d'Artificial Analysis avec un score de 46, égalant le modèle propriétaire Grok…