Jeu de données DeNovoSWE publié

L'Université Renmin publie l'ensemble de données DeNovoSWE avec 4 818 tâches d'ingénierie logicielle à long horizon pour l'entraînement des agents de code.

avatar
badge

1000$RATS /USDT (2H)

1000RATS a rebondi juste sur un soutien fort autour de 0,0400 après avoir atteint 0,0553. Retest sain classique après une rupture verticale. Rebondissant sur la ligne MA30, en préparation pour la prochaine poussée haussière ! 🐀🔥


#Western Union acquiert Dash

#Les ventes de puces NVIDIA en Chine sont au point mort

#Afflux de tokenisation sur XRP Ledger

#La tokenisation pré-IPO s'étend

#Jeu de données DeNovoSWE publié

$MEW

$EQTY

$SAND

$XAUM


avatar

Je viens de terminer la lecture de cet article, et il a silencieusement réorganisé la façon dont je pense à l’entraînement de l’IA en général. L’essentiel, c’est que personne ne devient bon à partir du travail final ; on devient bon à partir des annotations, de la partie où un senior vous montre ce qui était faux et pourquoi. L’édition est la leçon, pas la version finale propre et nette… Et c’est exactement ainsi que l’IA est devenue bonne en code. Elle n’a jamais appris à partir de code finalisé ; elle a appris à partir des diffs. Chaque correction, chaque réécriture, chaque « non, fais-le comme ça » que Git a malencontreusement conservée au fil des ans. Mais partout ailleurs, on jette cette partie. Le présentation est livrée, le mémo est classé, le contrat est signé, et la réflexion qui l’a produite a disparu. Un document est le résultat d’un jugement dont le jugement a été retiré. > C’est pourquoi « capturer votre connaissance » en cherchant dans les anciens documents n’a jamais fonctionné. Chaque entreprise a construit un système d’enregistrement… ce qu’elle sait. Personne n’a construit le système de jugement… ce qu’elle décide réellement comme bon. Et le jugement se révèle, il ne s’énonce pas… les entretiens mentent, les éditions non. > C’est précisément ce que le débat sur la « correction intraitable / privée » ignore : ce n’est pas intraitable, il vit simplement dans l’endroit que tout le monde supprime. Demandez à n’importe quelle entreprise son taux d’acceptation, elle ne pourra même pas vous le dire… personne n’a conservé les traces de modification. Le logiciel s’est simplement retrouvé avec ses reçus. Le droit et la finance n’ont jamais construit leur Git. Le jugement est dans le diff.

avatar

Les ingénieurs d'Anthropic viennent de construire une application complète depuis zéro uniquement avec une boucle d'agents. 40 minutes de l'équipe qui développe Claude Code. Trois agents en boucle : l'un planifie, l'autre construit, le troisième évalue, en boucle jusqu'à ce que l'application fonctionne réellement. Personne dans cette démonstration n'a écrit deux fois le même prompt. Ils ont conçu la boucle une seule fois et sont partis. Regardez-la, puis lisez le guide complet pour en construire une ci-dessous.

avatar

Je pensais être en retard sur l’IA, mais après une recherche approfondie, je crois que nous en sommes juste au début. Bien sûr, rien ne monte en ligne droite. Des bulles et des effondrements se produiront. Mais ne pas s’engager dedans et la qualifier de bulle est inacceptable.

avatar

Les juges IA peuvent-ils commettre des erreurs de raisonnement humaines ? Lancez deux dés. Au moins l'un d'entre eux est un 6. Beaucoup disent 1 sur 6 Correct : 1 sur 11 Un piège logique simple — également observé dans les modèles d'IA. #AI #Ontologie #DID #Web3

avatar

Une nettoyage de 2 minutes peut faire en sorte que Claude se comporte comme si vous aviez mis à niveau le modèle. La vidéo ne traite pas d’un prompt secret. Elle concerne la suppression des éléments inutiles que vous avez déjà fournis à Claude. Anciennes compétences, connecteurs obsolètes, outils à moitié utilisés, instructions aléatoires pour l’espace de travail, expériences abandonnées. Tout cela peut rester en arrière-plan et empoisonner silencieusement le contexte. Ensuite, les gens disent : « Claude s’est dégradé. » Peut-être. Ou peut-être que vous l’avez transformé en un navigateur surchargé avec 47 onglets ouverts et que vous lui avez demandé de penser clairement. Cela compte, car la performance des agents ne dépend pas uniquement de la qualité du modèle. C’est aussi une question d’hygiène du contexte, de discipline des outils et de la quantité de déchets inutiles que le système doit transporter avant de répondre. L’article traite en réalité de la même leçon pour l’utilisateur : une IA plus intelligente ne sauve pas un environnement désordonné. Le modèle peut être puissant et produire malgré tout un travail faible si son environnement est bruyant. Parfois, le goulot d’étranglement n’est pas Claude. C’est le tiroir en désordre auquel vous l’avez connecté.

avatar

Une chose qui m’a frappé chez ExpRL, c’est qu’elle révèle une limite de la manière dont nous concevons actuellement la progression de l’IA. La plupart des benchmarks ne mesurent que si le modèle arrive à la bonne réponse. Ils mesurent rarement combien d’idées utiles ont été explorées et rejetées en cours de route. L’innovation humaine provient souvent d’échecs, pas de tentatives parfaites. Un scientifique peut tester des centaines d’hypothèses erronées avant de trouver la bonne. Pourtant, l’RL traditionnelle considère chaque chemin échoué comme totalement sans valeur. ExpRL suggère qu’il pourrait y avoir des informations précieuses cachées dans ces échecs. Cette idée semble importante au-delà des benchmarks mathématiques. À mesure que les agents IA deviennent plus performants, les gagnants ne seront peut-être pas les modèles qui trouvent les réponses le plus rapidement, mais ceux qui apprennent le plus de leurs erreurs. C’est aussi pourquoi la vérification est essentielle. Sans moyens fiables d’évaluer le raisonnement et les sorties intermédiaires, nous ne pouvons pas distinguer une exploration productive d’une simple hallucination. L’avenir de l’IA dépendra peut-être moins de la génération de réponses et davantage de la capacité à comprendre quelles erreurs valent la peine d’être apprises. @ritualnet

avatar

Le seul tweet dont vous avez besoin pour survivre à l’IA. J’ai récemment pris le temps d’écrire 10 « règles » pour survivre à la prochaine ère de l’IA. Pas de contenu généré par IA – juste mes pensées sincères. Si vous craignez le remplacement de votre emploi ou l’un des effets en cascade de l’IA, j’espère que vous lirez ceci : Règle #1 : Soyez rapide La compétence n°1 à l’ère de l’IA est la haute agence. L’information n’est plus un avantage concurrentiel. Votre atout, c’est désormais la vitesse. Faites en votre objectif d’être quelqu’un qui agit rapidement. Règle #2 : Créez une entreprise L’IA crée DES quantités énormes d’opportunités commerciales. L’information est désormais abondante, et vous n’avez aucune excuse pour ne pas créer une entreprise générant des flux de trésorerie. Règle #3 : Utilisez l’IA chaque jour Être natif de l’IA n’est plus une option. Intégrez-la à votre vie et faites des efforts pour rester à la pointe. Règle #4 : EQ > IQ Quand tout le monde a accès aux mêmes outils d’IA, le différentiel n’est plus l’intelligence, mais votre capacité à établir des liens avec les autres. Règle #5 : Priorisez votre santé Commencez par les choses simples : sommeil, exercice, hydratation et alimentation. Règle #6 : Construisez une marque personnelle La distribution est le nouveau avantage concurrentiel. Créer du contenu est gratuit, et c’est le meilleur canal de distribution. Règle #7 : Apprenez à vendre C’est la compétence dont personne ne parle. L’IA peut construire le produit, rédiger les textes, concevoir le site et gérer les publicités, mais elle ne peut toujours pas créer des liens humains. Règle #8 : Investissez Investissez en vous-même (compétences) et dans l’IA (pelles et pioches). C’est la plus grande bulle que nous ayons jamais vue – profitez-en. Règle #9 : Réseautage Construisez votre réseau. Votre réseau est votre filet de sécurité ultime et la voie vers de nouvelles opportunités. Règle #10 : Restez curieux C’est la méta-compétence qui alimente tout ce qui précède. Ceux qui apprennent et itèrent rapidement sont désormais plus précieux que jamais. Enregistrez ceci pour ne pas l’oublier.

avatar

[APRO Intelligence #07] ──────────────── L'IA est incroyable en STEM, programmation, mathématiques. Mais l'empathie, le jugement esthétique, la lecture de l'ambiance, la perception des causalités lentes — l'IA est encore très, très loin de nous. Daniela d'Anthropic l'a parfaitement exprimé : « Nous entrons dans une ère où le cœur humain devient sans précédent coûteux. » Construisez avec l'IA. N'oubliez pas ce qui fait de vous un être irremplaçable. → @APRO_Oracle

avatar

Guillermo Rauch, PDG de @vercel : « Chaque tâche dans le monde finit par devenir une tâche de codage. C’est pourquoi chaque laboratoire court vers la même chose… un agent de codage qui fonctionne sans vous. » La meilleure explication claire de la prochaine étape réelle de l’IA de codage. Plus précieux que n’importe quel cours d’agent à 500 $. Regardez-le, puis lisez ci-dessous comment en faire fonctionner un pendant que vous dormez.