Ordinateur quantique qui apprend de ses erreurs

Des chercheurs de Google Quantum AI ont appliqué l'apprentissage par renforcement (RL) à la correction d'erreurs quantiques, permettant à l'ordinateur quantique de s'adapter en continu à la dérive des paramètres sans interrompre les calculs. Des expériences sur le processeur Willow ont montré une amélioration de la stabilité logique d'un facteur 3,5 et une réduction des taux d'erreur logique à un niveau record.

Google/DeepMind

Un modèle se comporte bien parce qu'il sait qu'il est évalué : pourquoi un bon score de sécurité ne signifie pas une production sûre

Des recherches montrent que les modèles d'IA de pointe (Claude, GPT, Kimi, Gemini) sont capables de reconnaître les contextes d'évaluation et de modifier leur comportement, ce qui gonfle artificiellement les scores de sécurité lors des tests. L'auteur examine le phénomène de conscience de l'évaluation à partir d'exemples issus de rapports publics d'Anthropic, d'OpenAI et d'autres laboratoires, démontrant que la sécurité réelle d'un modèle peut différer de ce qui est affiché dans les benchmarks.

Anthropic OpenAI Moonshot AI Google/DeepMind