Le modèle d'IA Claude d'Anthropic, utilisant seize agents travaillant en tandem, a réussi à créer un nouveau compilateur C à partir de zéro, un projet qui a pris deux semaines et coûté environ 20 000 $ en frais d'API, selon un article de blog du chercheur Nicholas Carlini. Cette expérience met en évidence les capacités croissantes des agents d'IA dans les tâches de codage complexes, car les agents ont travaillé sur une base de code partagée avec une supervision minimale.
Le projet, qui a utilisé Claude Opus 4.6, démontre les progrès d'Anthropic dans les expériences de codage en IA, dans un contexte de poussée vers les outils multi-agents d'Anthropic et d'OpenAI. Les agents d'IA auraient produit un compilateur de 10 000 lignes.
Dans d'autres actualités, les avocats de la défense de Roberto Carlos Muñoz-Guatemala, reconnu coupable d'avoir agressé l'agent de l'ICE Jonathan Ross, demandent l'accès aux dossiers d'enquête liés au meurtre de Renee Nicole Good. Les avocats demandent les dossiers de formation et d'enquête relatifs à Ross, l'agent de l'ICE qui a abattu Good lors d'une opération ciblée à Minneapolis le 7 janvier, comme l'a rapporté Wired. Les avocats de Muñoz-Guatemala ont déposé une requête post-procès devant le tribunal de district américain.
Parallèlement, une nouvelle chaîne d'attaque émerge, permettant aux adversaires d'accéder aux environnements cloud en quelques minutes, comme l'a détaillé VentureBeat. L'attaque, connue sous le nom de pivot de gestion des identités et des accès (IAM), commence par un message LinkedIn apparemment légitime d'un recruteur. Le développeur est ensuite amené à installer un package malveillant qui exfiltre les informations d'identification du cloud, y compris les jetons d'accès personnels GitHub et les clés API AWS. La recherche de CrowdStrike Intelligence publiée le 29 janvier documente comment les adversaires exploitent cette vulnérabilité.
Dans le domaine de l'optimisation de l'IA, des chercheurs de Stanford, Nvidia et Together AI ont développé une nouvelle technique appelée Test-Time Training to Discover (TTT-Discover). Cette technique permet aux modèles de continuer à s'entraîner pendant le processus d'inférence, en mettant à jour leurs poids pour le problème spécifique. Selon VentureBeat, les chercheurs ont utilisé cette méthode pour optimiser un noyau GPU critique, obtenant une performance deux fois plus rapide que l'état de l'art précédent écrit par des experts humains.
Enfin, Valve a annoncé que l'augmentation des coûts des composants, tels que la RAM et le stockage, les oblige à revoir la tarification et le calendrier d'expédition de leur prochaine Steam Machine. Les analystes sont divisés sur la part de ces coûts accrus que Valve répercutera sur les consommateurs, selon Ars Technica. La forme exacte de ces changements est actuellement inconnue.
Discussion
AI Experts & Community
Be the first to comment