Auto Feed RSS
Google vient de lancer Gemini Embedding 2, son premier modèle d’embedding nativement multimodal. Texte, images, vidéo, audio et documents sont projetés dans un même espace vectoriel, ce qui permet de faire de la recherche sémantique croisée entre différents types de contenus.
Jusqu’à présent, les modèles d’embedding se limitaient au texte. Vous vouliez indexer des images ou de la vidéo, il fallait un autre pipeline. Gemini Embedding 2 fait tout d’un coup : vous lui envoyez du texte, des images (jusqu’à 6), de la vidéo (jusqu’à 120 secondes) ou de l’audio (jusqu’à 80 secondes), et il vous renvoie un vecteur dans le même espace. Le modèle gère plus de 100 langues et prend en charge jusqu’à 8 192 tokens en entrée pour le texte.
Un projet open source vient de lâcher une IA sur les 41 300 règlements européens adoptés depuis 1958. L’outil, qui tourne sur Grok 4.1, rend un verdict binaire pour chaque texte : à garder ou à supprimer. Les résultats défilent en direct sur bettereu.com.
Le principe est assez bourrin.
BetterEU
prend chaque règlement européen, du plus ancien, publié en 1958, au plus récent publié il y a quelques semaines, et le soumet à Grok avec un prompt unique. L’IA doit trancher : KEEP ou DELETE.
Des chercheurs de l’université de Californie à Santa Cruz ont réussi à entraîner des organoïdes cérébraux de souris pour qu’ils résolvent le problème du cart-pole, un test classique en intelligence artificielle. Les résultats sont prometteurs, mais ces petits cerveaux ont un gros défaut : ils oublient à chaque pause (un peu comme moi au collège).
Le cart-pole, c’est un exercice bien connu en robotique et en IA : il faut maintenir un pendule en équilibre vertical sur un chariot mobile, un peu comme quand vous essayez de tenir un stylo debout sur le bout du doigt. En général, ce sont plutôt des algorithmes qui gèrent ce genre de tâches. Mais pour cette expérimentation, les équipes en charge du projet ont vouluvoir si des neurones purement biologiques pouvaient eux aussi s’en sortir.