FlowRL : Distribution des Récompenses Correspondant pour LLM RL • Passage de la maximisation des récompenses → correspondance de distribution • +10,0 % par rapport à GRPO, +5,1 % par rapport à PPO en mathématiques ; gains importants en code • Minimise le KL inverse pour couvrir tous les chemins de raisonnement valides (évite l'effondrement de mode)

Apple présente AToken : un tokenizeur visuel unifié • Premier tokenizeur unifiant images, vidéos et 3D • Espace latent 4D partagé (préserve à la fois la reconstruction et la sémantique) • Performances solides sur les tâches de génération et de compréhension (ImageNet 82,2 %, MSRVTT 32,6 %, précision 3D 90,9 %)

SakanaAI présente l'optimisation robuste des noyaux CUDA agentiques • Fusionne les opérations, améliore les passes avant/arrière, surpasse les références torch • Pipeline LLM agentique : PyTorch → CUDA → optimisation du runtime évolutif • Vérification douce : les LLM signalent les noyaux incorrects (↑30% de succès de vérification) • robust-kbench : nouvelle référence pour la performance réelle des noyaux + exactitude