Actualités

La section tutoriels du site officiel HyperAI (hyper.ai) a mis en ligne « FLUX 3 Image Klein : Text-to-Image et édition d’images ». Rendez-vous sur le site officiel HyperAI pour effectuer l’ensemble du processus, du chargement des poids distillés au démarrage de l’interface WebUI, en une seule exécution.

Des chercheurs du Massachusetts Institute of Technology (MIT), de l’Institut coréen des sciences et technologies d’Ulsan (UNIST), de l’Université de l’Illinois à Urbana-Champaign et du laboratoire MIT-IBM Watson AI ont proposé un modèle contrastif langue-cristal. Ce modèle utilise de grands modèles de langage pour générer des narrations synthétiques fondées sur les propriétés des matériaux, et cartographie les structures cristallines et le langage naturel dans un espace de représentation commun grâce à l’apprentissage contrastif.

10.19-10.23 Temps forts de la semaine !

Les modèles de vision-langage sont déjà capables de comprendre les images et de répondre à des questions, mais pour des tâches telles que la classification des produits, la modération de contenu ou la sélection de miniatures, ce dont le modèle a réellement besoin est souvent un jugement clair plutôt qu’une génération de texte prolixe. JEV-27B-VL, lancé par AutoTrust et basé sur Qwen3.8-27B, utilise une architecture à double système permettant de basculer à la demande entre prise de décision rapide et raisonnement approfondi. Il peut directement produire des jugements structurés et des probabilités calibrées, réduisant ainsi les coûts de génération inutiles. HyperAI a déjà publié un tutoriel en ligne pour ce modèle, vous guidant dans le chargement du modèle, l’exécution de décisions sur image et l’expérience interactive via l’interface web (WebUI).

Une équipe de recherche interdisciplinaire issue de l’Institut royal de technologie de Stockholm (KTH) en Suède, de l’Université technique de Dresde en Allemagne et de la Fondation Human Technopole de Milan en Italie, a combiné l’apprentissage profond et l’imagerie RESOLFT pour développer deux stratégies complémentaires d’imagerie computationnelle : le réseau de débruitage hiérarchique Hierarchical DivNoising (HDN) et le cadre de reconstruction par échantillonnage parcimonieux Fast‑MoNaLISA, permettant de restaurer des images à faible rapport signal/bruit (RSB) ou sous-échantillonnées, repoussant ainsi considérablement les limites expérimentales de l’imagerie RESOLFT.

Une équipe de recherche de l’Université de Surrey, au Royaume-Uni, a proposé le premier flux de travail basé sur l’intelligence artificielle pour détecter l’infection par le virus de la rage dans des cultures de cellules BHK-21 et quantifier les titres d’anticorps. Les chercheurs ont sélectionné trois architectures avancées d’apprentissage profond — ResNet, Swin Transformer V2 et MambaOut — et les ont entraînées à l’aide d’un ensemble de données à grande échelle.

L'équipe de recherche de l'Université de Stanford a proposé le modèle de fondation d'incorporation cellulaire universelle (universal cell embedding, UCE), qui génère des représentations pour de nouveaux ensembles de données d'expression génique unicellulaires sans nécessiter de fine-tuning ou de réentraînement du modèle, tout en maintenant une robustesse face aux artefacts spécifiques aux ensembles de données et aux lots.

Cette semaine, le site officiel de hyper.ai a mis à jour 5 ensembles de données publics, 8 tutoriels sélectionnés, 5 entrées encyclopédiques populaires et les conférences de haut niveau dont la date limite de soumission est en octobre, en mettant l'accent sur les progrès de pointe en matière de grands modèles, d'intelligence incarnée et de multimodalité.

Le module tutoriels de HyperAI a lancé le tutoriel pratique « MiniCPM5-2B : inférence de grand modèle SOTA de niveau 2B côté terminal », prenant en charge l’expérience en ligne et le déploiement en un clic ~

约翰斯·霍普金斯大学、NVIDIA、加州大学伯克利分校等机构的研究团队提出了EvoSafeHarness，将安全Harness本身作为自动优化对象。针对不同模型和应用领域，系统分别搜索自然语言安全策略与可执行代码逻辑，再根据模型实际暴露出的失败不断调整。

Les travaux de maintenance du cluster menés récemment par HyperAI sont désormais achevés, et les ressources informatiques associées reprennent progressivement leur fonctionnement normal. Afin de limiter l’abus des ressources gratuites et de soutenir le bon fonctionnement stable de la plateforme, la configuration des ressources Free CPU ainsi que la durée maximale d’exécution continue seront ajustées.

L’Université Cornell a développé l’Explorateur de molécules par IA (AI Molecule Explorer), un cadre d’intelligence artificielle neuro-symbolique multi-agents dédié à la résolution des spectrométries de masse de petites molécules. Son modèle central, DeepMS²Reasoner, intègre les règles chimiques, le raisonnement sur les voies de fragmentation et l’apprentissage par réseaux neuronaux ; il simule depuis la structure moléculaire des processus de fragmentation tels que la rupture des liaisons chimiques ou le transfert d’hydrogène, afin de prédire les spectres MS² correspondants.

Une équipe de recherche issue de l’Institut Helmholtz Munich, de la Technische Universität München et du Centre de biologie de l’université de Bâle a présenté MemBrain v2, qui met en place un flux de travail complet d’analyse des membranes allant de la segmentation des structures membranaires à la localisation des particules jusqu’à l’analyse statistique.

Actuellement, la section tutoriels de HyperAI propose « DeepSeek-V4-Flash-Vision-Exp : raisonnement multimodal et déploiement avec Open WebUI », permettant un déploiement du modèle en un seul clic pour une prise en main rapide des capacités de compréhension visuelle, d’agent multimodal et d’exécution de tâches complexes.

8.21-8.27 Faits saillants de la semaine

Une équipe de recherche d'Inherent Labs a entraîné un agent scientifique IA appelé Faraday, capable de reproduire des articles de recherche scientifique.

La section tutoriels d'HyperAI propose désormais « MiniMax Music 3 : un modèle de génération musicale basé sur les paroles et les descriptions musicales ». Commencez à créer votre propre musique dès maintenant !

Des experts de plus de dix institutions, dont l'université Tsinghua, le MIT et l'université Harvard, ont conjointement élaboré le référentiel ASI-Bench pour les capacités de recherche scientifique indépendante.

8.14- 8.20 Faits saillants de la semaine

Une équipe de recherche du Laboratoire national d'Argonne, relevant du département américain de l'Énergie, a proposé une méthode d'analyse par diffraction de nanofaisceaux basée sur un apprentissage non supervisé, appelée DONUT.

Le 9e salon technique Meet AI Compiler de 2026 s'est conclu avec succès le 1er août à Zhongguancun, Pékin.

La section tutoriels du site officiel d'HyperAI (hyper.ai) a lancé « Qwen3.8-27B-FP8 : Modèle de langage visuel natif » pour aider les développeurs à accéder rapidement aux capacités du modèle.

Lors du 9e Meet AI Compiler Technical Salon organisé par HyperAI, Hai Lijuan, architecte de Huawei AscendNPU IR, a partagé ses réflexions sur le thème « AscendNPU IR : Base de compilation open source, prenant en charge l'accès multilingue à Ascend ».

Faits saillants de la semaine 8.07-8.13

La section tutoriels d'HyperAI (hyper.ai) propose désormais le tutoriel « Assistant d'apprentissage personnel DeepTutor ». L'environnement nécessaire est configuré ; les développeurs intéressés peuvent l'essayer en un clic !

Zhu Honglin, ingénieur en calcul haute performance chez Tencent, a partagé les pratiques de l'équipe en matière d'optimisation des algorithmes et des opérateurs pour la multiplication matricielle à faible complexité.

Le 1er août, le 9e Salon technique Meet AI Compiler, organisé par HyperAI, s'est clôturé avec succès à Zhongguancun, Pékin. Ce salon a rencontré un vif succès, comme à son habitude, grâce aux présentations éclairantes d'experts du secteur. Il a réuni des représentants de l'Académie d'intelligence artificielle de Pékin, de l'équipe TileRT, de Tencent, de Huawei Ascend, etc.