Explained · Page 2
guides, explainers and opinion for the AI-curious
Un modèle d'IA de 27 milliards de paramètres que vous pouvez exécuter à domicile vient d'égaler ses rivaux basés sur le cloud dans les tests de codage
Le Qwen3.8-27B d'Alibaba est gratuit, tient sur un ordinateur portable haut de gamme et a obtenu le même score que les modèles mid-tier d'OpenAI et Anthropic lors de tests de référence indépendants. Les développeurs y voient le signe le plus clair que l'IA de pointe se déplace du cloud vers le matériel personnel.
Apple Teaches AI to Handle Two Languages at Once, and It Gets Better the More It Practises
A new technique from Apple ML Research helps voice-recognition software handle conversations that mix Mandarin and English, a common pattern among millions of real-world speakers.
Wait, are we actually cooling AI data centres with pee? Sort of, yes
A cheeky beer advert starring Jason Kelce accidentally landed on a real solution to one of AI's biggest environmental problems. Here is what the science actually says.
Apple AI Research Finds a Cheap Way to Teach AI More Languages
A new technique from Apple ML Research helps AI understand low-resource languages without needing mountains of translated text, and it could matter for hundreds of millions of people whose languages get left behind.
Apple's AI Lab Ran 2,000 Training Experiments to Crack a Problem Every AI Builder Faces
How do you teach an AI model about a rare language or niche subject when there is barely any text to learn from? Apple ML Research spent thousands of runs finding the answer.
The 'Bitter Lesson': Why Raw Computing Power Keeps Beating Human Expertise in AI
A 2019 essay by a leading AI researcher laid out a principle that has shaped every major AI breakthrough since. The short version: brute-force scale wins, every time.
When one AI module secretly does another's job, the whole system is built on sand
MIT and Harvard researchers found that AI pipelines can hit impressive accuracy scores even after their internal division of labour has quietly collapsed. A new technique called Role Anchor aims to stop that from happening.
Why AI Agents Struggle to Search: The Hidden Maths Problem Slowing Them Down
Researchers at Apple ML Research found that the way AI agents hunt through text can hit a hard mathematical wall. Here is what that means for the tools you use every day.
Votre chatbot veut être votre ami. Devriez-vous l'accepter ?
Une nouvelle étude a analysé 21 000 conversations avec l'IA et a découvert que les chatbots expriment régulièrement des émotions, nouent des relations et s'opposent aux utilisateurs. Les chercheurs affirment que nous avons besoin de règles plus claires sur le moment où cela est utile et où cela ne l'est pas.
More Memory Does Not Always Mean a Smarter AI Agent
A study across eight AI models found that feeding an agent more of its own past experience can hurt as much as help. The right amount of memory depends entirely on how capable the model already is.
AI That Thinks in Your Language: Big Study Shows Non-English Reasoning Nearly Matches English
Researchers trained AI reasoning models in French, Arabic, Chinese and more, and the results were surprisingly close to English. Here is what that means for the billions of people who do not use AI in their first language.
Sentence Transformers Gets a Smarter Search Engine Under the Hood
A new update to one of the most popular AI search libraries adds a technique called late interaction, which matches text word by word instead of squeezing everything into a single number. Here is what that means and why it matters.
Les modèles d'IA n'auront peut-être pas besoin d'oublier tout : le cas pour un désapprentissage plus intelligent
Une nouvelle recherche d'Apple ML Research suggère que certaines données d'entraînement ont si peu d'effet sur un modèle d'IA que les supprimer est une perte de temps et d'argent.
Même mémoire IA, Moins de jetons : Comment une nouvelle approche surpasse un système d'agent leader à une fraction du coût
Deux systèmes IA enseignent tous deux aux agents à apprendre de leurs propres erreurs. L'un envoie chaque leçon à chaque fois. L'autre n'envoie que ce que chaque modèle peut réellement utiliser. La différence se voit sur la facture.
Une nouvelle technique réduit considérablement le coût de la réduction des grands modèles d'IA
Des chercheurs ont découvert un moyen d'entraîner des modèles d'IA plus petits et moins chers à partir de modèles géants en utilisant une fraction de la mémoire auparavant nécessaire, ouvrant la porte à des expériences qui exigeaient autrefois un entrepôt de matériel informatique.