The best of dev and AI, scored every day by an agent. Filtered, summarized, ranked. No color, no noise — just the substance.
GGML, creators of llama.cpp, are joining Hugging Face to secure the long-term progress of Local AI. The team retains full autonomy while HF provides sustainable resources, with a goal of near-seamless model deployment from transformers and improved packaging/UX to make llama.cpp ubiquitous on devices.
IBM and UC Berkeley use ITBench and MAST to diagnose why enterprise agentic LLMs fail in IT automation (incident triage, logs/metrics, Kubernetes). They show that benchmark success rates hide root causes, with frontier models failing in isolated verification bottlenecks and large open models cascading via early reasoning mismatches. The work proposes concrete agent design patterns to harden reliability.
L'article présente gr.HTML de Gradio 6, qui supporte désormais templates personnalisés, CSS scoping et interactivité JavaScript, permettant de construire n’importe quel composant web en un seul fichier Python. Cela permet à un LLM de générer frontend, backend et gestion d’état en une seule passe, sans build, et le tout est déployable sur Hugging Face Spaces en quelques secondes.
L’article présente un agent skill qui permet aux modèles de codage (Claude, Codex) de générer des kernels CUDA optimisés pour des cibles précises (diffusers, transformers). Il fournit connaissances d’architecture, modèles de mémoire, intégration PyTorch et benchmarks, du packaging jusqu’au déploiement. Le skill est distribué via une librairie et s’installe en une commande.
L'article présente OpenEnv, un framework open-source de Meta et Hugging Face qui standardise l'évaluation des agents IA dans des environnements réels via une API type gym. Il déploie un « Calendar Gym » de production comme benchmark, illustrant les contraintes d'accès, de raisonnement temporel et de gestion multi-agents. Les enseignements montrent les limites actuelles des agents outillés en situations concrètes.
Transformers.js v4 is now on NPM after a year of development, introducing a new WebGPU runtime in C++ rewritten with ONNX Runtime contrib ops for better performance and cross-environment support. The release also brings repository restructuring via pnpm workspaces, modular class separation, and a dedicated examples repo.
SyGra Studio is an interactive visual environment for synthetic data generation that turns prompt workflows into transparent, observable pipelines. It lets you configure data sources, design LLM flows with structured outputs, and debug executions with live logs, token cost, and latency monitoring. All flows generate reusable configurations and scripts compatible with the SyGra platform.
Hugging Face lance des évaluations décentralisées et transparentes via les communautés pour combler le fossé entre scores de benchmarks et performance réelle. Les modèles publient leurs résultats dans .eval_results/ et les benchmarks affichent des classeurs dynamiques, avec vérification par badges et contributions via pull requests. Cela expose l’historique et les sources afin que la communauté puisse discuter et reproduire les évaluations.
H Company unveils Holo2-235B-A22B Preview, its largest UI localization model, achieving SOTA 78.5% on ScreenSpot-Pro and 79.0% on OSWorld G. The model uses agentic localization to iteratively refine predictions, delivering 70.6% in one step and 78.5% in three steps. Training is orchestrated with SkyPilot across multiple clouds via Kubernetes.
L’article décrit l’écosystème IA open source chinois un an après le « DeepSeek Moment », avec en tête DeepSeek et Qwen sur Hugging Face. Il analyse comment Alibaba, Tencent et ByteDance open-sourcent des composants stratégiques, intègrent modèles, hardware et cloud, et étendent leur influence internationale via les communautés open source.
L’article décrit le design de formation de modèles texte‑image « from scratch », en détaillant une base de référence (Flow Matching, PRX‑1.2B) et le protocole de benchmark (FID, batch global, AdamW). Il explique ensuite quelles techniques expérimentales accélèrent l’apprentissage, améliorent la convergence et sont testées en combinaison. Objectif : documenter les « training tricks » tangibles pour entraîner plus vite et mieux.
Daggr is an open-source Python library that lets developers build AI workflows by chaining Gradio apps, ML models, and custom functions. It auto-generates a visual canvas for inspecting and rerunning intermediate steps, with first-class Gradio integration and state persistence.
L’article présente upskill, un workflow qui utilise Claude Opus 4.5 pour générer des kernels CUDA, puis transfère le skill à des modèles plus petins ou moins coûteux. Il montre comment créer, évaluer et mesurer l’impact d’un agent skill sur des tâches spécialisées, avec un focus sur la réduction des coûts et l’adaptation de modèles open source.
L’article analyse les choix architecturaux de l’écosystème open-source chinois après le DeepSeek Moment, avec l’adoption généralisée du MoE comme standard, la montée en multimodal (texte, image, vidéo, TTS, 3D, agents) et la préférence pour les petits modèles (0.5B–30B) pour un déploiement flexible et économique.
L'article présente Alyah, un benchmark emirati conçu pour évaluer les capacités des LLM arabes sur les dialectes locaux, bien au-delà du MSA classique. Il détaille la construction manuelle de 1 173 échantillons, les catégories culturelles couvertes et la structure d'évaluation, mettant en lumière les limites des benchmarks existants.
Agentic reinforcement learning trains LLMs over multi-step interactions with an environment, optimizing on-policy data as the agent plans, uses tools, and refines its decisions. The post presents Verl as an OSS framework, experiments with GPT-OSS-20B (and 120B) and benchmarks like Qwen-2.5-32B, and uses ReTool to verify tool-assisted coding tasks. It also covers integrating Harmony's chat template and the end-to-end loop from rollout collection to policy updates (GRPO or PPO).
AssetOpsBench est un benchmark d’évaluation des agents IA conçu pour l’industrie, couvrant la gestion du cycle de vie des actifs via 2,3 M de points de capteurs, 140 scénarios et 53 modes de défaillance. Il évalue la coordination multi-agents sur six dimensions qualitatives et analyse les trajectoires d’échec via TrajFM. Les agents généraux peinent sur les dépendances temporelles et l’intégration des ordres de travail.
L’article retrace un an après le « DeepSeek Moment », où le modèle R1 a catalysé l’écosystème open source chinois, abaissant les barrières techniques et légales. Il montre comment DeepSeek R1 est devenu une référence mondiale, encourageant l’adoption de modèles open et redéfinissant les compromis coût/performance. Cette dynamé s’inscrit dans une réorganisation stratégique de l’IA en Chine et chez ses partenaires.
L'article présente Differential Transformer V2, une variante d'attention qui double les heads de requête tout en conservant le nombre de heads clé/valeur, permettant des décodages plus rapides sans kernel personnalisé. Le mécanisme différentiel combine les résultats de deux projections d'attention avec un paramètre λ par tête, simplifié par une contrainte de magnitude Softmax. Les auteurs démontrent par ablation et benchmarks des gains de débit et une compatibilité avec FlashAttention.
Waypoint-1 is Overworld’s real-time interactive video diffusion model, controllable by mouse and keyboard with low latency. It’s trained via diffusion forcing on 10k hours of game footage and runs through the WorldEngine inference library for streaming frames in real time. The article covers training details, self-forcing, and optimizations that enable ~30 FPS on consumer hardware.