


Sysadmin de l’extrême





La gare la plus chère de France
Arthur Mensch @arthurmensch Nov 8 Article Où entraînerons-nous la prochaine génération de nos modèles ? Il y a un mois, nous avons lancé Mistral Large 4, entièrement entraîné à Bruyères-le-Châtel, dans l'Essonne, sur nos propres infrastructures. Un modèle au niveau de nos concurrents, qui redonne à


Donc c'est intéressant, et c'est malin de la part du modèle. Mais appeler ça « Weight-Space Programming » et d'edition de poids "natif" je trouve que c'est tres largement exagéré. J'explique tout dans la vidéo : youtu.be/UQLfBzySHxE

Le prompt de 27 lignes donne « juste un exemple » de problème à chercher. Devine lequel : un modèle qui se répète et finit jamais. Donc Astra a pas trouvé tout seul. On l'a pointé droit sur le bug. Pour le corriger, il utilise l'activation contrast analysis : comparer un raisonnement qui marche et un qui boucle, et ajuster les poids qui s'activent différemment. C'est pas une découverte. C'est une technique standard en interprétabilité, le premier réflexe d'un chercheur.



« lire les poids » : on donne à Astra les poids d'un mini modèle Atari (grille 10x10) et il devine que c'est un model pour jouer à Breakout à 99 %. Magique ? Non. Les poids actifs en entrée sont sur la ligne du bas, et la sortie bouge surtout à gauche/droite. Parmis les jeux retro ca laisse plus bcp d'options Une barre en bas qui casse des briques quoi. Il ne « lit » pas les poids, il fait des déductions qu'un humain ferait aussi en visualisant juste les couche d'entrée/sorties.

Le titre laisse a penser que les llm peuvent "comprendre" et modifier les poids de models mais je trouve que c'est assez trompeur. Voilà pourquoi👇🏼
We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: rikiyat.github.io/blog/weigh…





La remontada de google
I did say we'd be releasing our models periodically...introducing Gemini 4 Carbon, our next frontier model. Following Argon's release just two weeks ago, Carbon shows the pace at which we’re pushing the frontier, it ranks #1 on the recently updated v5.0 of @ArtificialAnlys Intelligence Index at 59. It also leads across key cybersecurity evaluations scoring 88.2% on SEC-bench Pro for finding vulnerabilities, 54.8% on ExploitGym for exploitation, and 71.0% on CWE-bench for patching. We’re seeing significant improvements in long-horizon tasks even compared to Argon, and we’ve strengthened frontier safeguards. As we did with Argon, we’re going to roll it out gradually + responsibly. Some trusted cyber defenders will get access starting this week. We'll be expanding it to more partners through our Fairwind Program, ahead of wider availability soon, so hang tight!