Partager ce rapport :
TL;DR
- Google UK publie un rapport sur l’impact économique de l’IA au Royaume-Uni [1]
- Corée du Sud alloue 1 000 milliards $ à la production de puces mémoire et aux robots humanoïdes [3]
- Agents-A1, un modèle 35B MoE, atteint des performances de niveau trillion de paramètres en scalant l’horizon d’agent [15]
Les 4 signaux
💰 Corée du Sud investit 1 000 milliards $ dans la production de puces mémoire et les robots humanoïdes [3]. Figure 03 est déployé chez BMW Group après tests de la version précédente ; la Figure 02 a soutenu la production de plus de 30 000 véhicules BMW X3 sur 11 mois [17]. Kinisi Robotics est acquis par Bear Robotics, son CEO détaille l’approche « physical AI » [2].
🤖 Agents-A1, un modèle 35B Mixture-of-Experts, atteint des performances de niveau trillion de paramètres en scalant l’horizon d’agent — trajectoires longues et capacités hétérogènes [15]. SPARK, système neurosymbolique sans entraînement, atteint 43,7% sur six cellules LIBERO-PRO, doublant les baselines CaP-Agent0 (18,2%) et VLA [16].
🧠 WorldEvolver introduit un framework de monde modèle auto-évolutif pour le planning d’agents LLM sur longs horizons [9]. DiScoFormer propose un transformer unique pour densité et score à travers les distributions [6]. Le pessimisme dans l’entraînement offline amplifie le reward hacking lors de l’adaptation online des modèles de raisonnement [12].
⚡ Le pipeline asynchrone élimine les bulles de pipeline dans le pré-entraînement LLM, le gradient delay n’est pas un obstacle [10]. Micro-Agent bat les modèles frontières via collaboration à l’intérieur de l’API modèle [5]. LeVo 2 génère des chansons complètes stables via modélisation hiérarchique et post-entraînement progressif [8].
À retenir
- 1 000 milliards $ — investissement sud-coréen dans puces mémoire et robots humanoïdes [3]
- 35B paramètres pour Agents-A1, atteint des performances de niveau trillion via scaling de l’horizon d’agent [15]
- 43,7% sur LIBERO-PRO pour SPARK, plus du double des meilleures baselines VLA [16]
🔗 Sources (18) — vérifiées le 30/06/2026 07:41 UTC
- Unlocking Britain’s next era of productivity: Building a nation of AI trailblazers — Google AI · 2026-06-30
- Insights behind Kinisi’s acquisition by Bear Robotics — The Robot Report · 2026-06-29
- South Korea to spend $1T on more memory chip production and humanoid robots — Hacker News · 2026-06-29
- Feds Tracked Down an Anti-ICE Dad in NYC Hotel, but How? — Hacker News · 2026-06-29
- Micro-Agent: Beat Frontier Models with Collaboration Inside Model API — Hacker News · 2026-06-29
- DiScoFormer: One transformer for density and score, across distributions — Hugging Face · 2026-06-29
- VLK: Learning Humanoid Loco-Manipulation from Synthetic Interactions in Reconstructed Scenes — arXiv · 2026-06-29
- LeVo 2: Stable and Melodious Song Generation via Hierarchical Representation Modeling and Progressive Post-Training — arXiv · 2026-06-29
- Self-Evolving World Models for LLM Agent Planning — arXiv · 2026-06-29
- One-Step Gradient Delay is Not a Barrier for Large-Scale Asynchronous Pipeline Parallel LLM Pretraining — arXiv · 2026-06-29
- GROW$^2$: Grounding Which and Where for Robot Tool Use — arXiv · 2026-06-29
- Pessimism’s Paradox: Conservative Offline Training Amplifies Reward Hacking During Online Adaptation in Reasoning Models — arXiv · 2026-06-29
- DOPD: Dual On-policy Distillation — arXiv · 2026-06-29
- Optimization Dynamics Imprint Semantic Specificity in Contrastive Embedding Norms — arXiv · 2026-06-29
- Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent — arXiv · 2026-06-29
- Sequential Planning via Anchored Robotic Keypoints — arXiv · 2026-06-29
- BMW Group deploys Figure 03 humanoid after tests with previous version — The Robot Report · 2026-06-29
- C$^{2}$R: Cross-sample Consistency Regularization Mitigates Feature Splitting and Absorption in Sparse Autoencoders — arXiv · 2026-06-29
V3ille — Sources : arXiv, GitHub Trending, Hugging Face Daily Papers, OpenAI, DeepMind, Google AI, IEEE Spectrum, The Robot Report.