The Neuron Times

All the AI that's fit to print

N° 243 Édition du matinMorning EditionMorgenausgabeEdizione del mattinoEdizion del mattin · Genève LUNDI 31 AOÛT 2026MONDAY, 31 AUGUST 2026MONTAG, 31. AUGUST 2026LUNEDÌ 31 AGOSTO 2026LUNEDÌ 31 AGOSTO 2026

À la Une · ProduitFront Page · ProductSchlagzeilen · ProduktPrima pagina · ProdottoIn prima pagina · Prodott

OpenAI met fin au GPT DALL·E officiel dans ChatGPTOpenAI Retires the Official DALL·E GPT in ChatGPTOpenAI beendet das offizielle GPT DALL·E in ChatGPTOpenAI mette definitivamente fine al GPT DALL·E ufficiale in ChatGPTOpenAI la finì al GPT DALL·E offizial in ChatGPT

L'assistant de génération d'images historique cède définitivement la place à ChatGPT Images à compter du 30 août 2026.The historic image-generation assistant definitively gives way to ChatGPT Images as of 30 August 2026.Der historische Bildgenerierungs-Assistent macht ab dem 30. August 2026 endgültig ChatGPT Images Platz.Lo storico assistente di generazione di immagini cede definitivamente il posto a ChatGPT Images a partire dal 30 agosto 2026.El assistent de generazion d'imagin storegh el ghe la lassa definitivament a ChatGPT Images a partì del 30 de avost 2026.

OpenAI a annoncé la retraite du GPT DALL·E officiel dans ChatGPT à compter du 30 août 2026, invitant les utilisateurs à télécharger les images qu'ils souhaitent conserver avant l'échéance. L'entreprise précise que les GPT créés par les utilisateurs avec la génération d'images activée ne sont pas concernés par cette suppression, détaillée dans les notes sur les images dans ChatGPT.OpenAI has announced the retirement of the official DALL·E GPT in ChatGPT as of 30 August 2026, inviting users to download any images they wish to keep before the deadline. The company specifies that user-created GPTs with image generation enabled are not affected by this removal, detailed in the notes on images in ChatGPT.OpenAI hat die Einstellung des offiziellen GPT DALL·E in ChatGPT per 30. August 2026 angekündigt und rief die Nutzer auf, gewünschte Bilder vor der Frist herunterzuladen. Das Unternehmen präzisiert, dass von Nutzern erstellte GPTs mit aktivierter Bildgenerierung von der Abschaffung nicht betroffen sind; sie ist in den Hinweisen zu Bildern in ChatGPT detailliert beschrieben.OpenAI ha annunciato il ritiro del GPT DALL·E ufficiale in ChatGPT a partire dal 30 agosto 2026, invitando gli utenti a scaricare le immagini che desiderano conservare prima della scadenza. L'azienda precisa che i GPT creati dagli utenti con la generazione di immagini attivata non sono interessati da questa soppressione, dettagliata nelle note sulle immagini in ChatGPT.OpenAI l'ha anunziaa la ritirada del GPT DALL·E offizial in ChatGPT a partì del 30 de avost 2026, e l'invita i utent a scariegà i imagin che vören tegnì prima de la scadenza. La azienda la precisa che i GPT creaai di utent con la generazion d'imagin ativaa minga gh'hann minga de fà con questa eliminazion, spiegada in di not sora i imagin in ChatGPT.

La suppression s'inscrit dans une consolidation du pipeline d'images : depuis l'arrivée de la génération d'images native GPT, DALL·E coexistait en doublon au sein du catalogue de GPTs. OpenAI oriente désormais explicitement les usages de création et d'édition vers ChatGPT Images, signalé dans les release notes de ChatGPT du 30 août 2026.The removal is part of a consolidation of the image pipeline: since the arrival of native GPT image generation, DALL·E had coexisted as a duplicate within the catalogue of GPTs. OpenAI now explicitly directs creation and editing use cases toward ChatGPT Images, as noted in the ChatGPT release notes of 30 August 2026.Die Abschaffung ist Teil einer Konsolidierung der Bild-Pipeline: Seit der Einführung der nativen GPT-Bildgenerierung existierte DALL·E als Dublette im GPT-Katalog. OpenAI lenkt die Nutzung von Erstellung und Bearbeitung nun ausdrücklich auf ChatGPT Images, wie in den Release-Notes von ChatGPT vom 30. August 2026 vermerkt.La soppressione si inserisce in una consolidazione della pipeline delle immagini: dall'arrivo della generazione di immagini nativa GPT, DALL·E coesisteva in duplicato nel catalogo dei GPT. OpenAI orienta ormai esplicitamente gli usi di creazione ed editing verso ChatGPT Images, come segnalato nelle release notes di ChatGPT del 30 agosto 2026.L'eliminazion la se inscriv in ona consolidazion del pipeline d'imagin: de quand che l'è rivaa la generazion d'imagin nativa del GPT, el DALL·E el coesisteva in dupiaa denter al catalugh di GPTs. Ades OpenAI la indiza esplicitament i usagg de creazion e de edizion ver ChatGPT Images, segnaa in di release notes de ChatGPT del 30 de avost 2026.

Ce retrait illustre la vitesse de rotation des produits d'IA générative : un système emblématique de 2022-2023 devient redondant en trois ans face à un successeur intégré. Pour les workflows d'entreprise s'appuyant sur le GPT DALL·E via des GPTs personnalisés, l'impact est nul ; pour les usages directs du GPT officiel, la migration vers ChatGPT Images est effective ce même jour.The withdrawal illustrates the pace of turnover in generative AI products: a landmark system of 2022–2023 becomes redundant within three years in the face of an integrated successor. For enterprise workflows relying on the DALL·E GPT through custom GPTs, the impact is nil; for direct users of the official GPT, migration to ChatGPT Images takes effect on that same day.Der Rückzug illustriert die Rotationsgeschwindigkeit generativer KI-Produkte: Ein im Zeitraum 2022–2023 emblematisches System wird innert drei Jahren durch einen integrierten Nachfolger redundant. Für Unternehmensworkflows, die auf GPT DALL·E über angepasste GPTs setzen, ist die Auswirkung null; für die direkte Nutzung des offiziellen GPT ist die Migration zu ChatGPT Images am selben Tag wirksam.Questo ritiro illustra la velocità di rotazione dei prodotti di IA generativa: un sistema emblematico del 2022-2023 diventa ridondante in tre anni rispetto a un successore integrato. Per i flussi di lavoro aziendali basati sul GPT DALL·E tramite GPT personalizzati, l'impatto è nullo; per gli usi diretti del GPT ufficiale, la migrazione verso ChatGPT Images è effettiva quello stesso giorno.Quest ritir chì el mostra la velocità de rotazion di prodott d'IA generativa: on sistemma emblemategh del 2022-2023 el deventa redondent in trii ann davant a on sucessor integràa. Per i fluss de laurà aziendaj che se apojen al GPT DALL·E per mzz di GPT personalizzaa, l'impat l'è null; per i usagg dirett del GPT offizial, la migrazion ver ChatGPT Images la va in effett istess dì.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — Page 1 — À la UnePage 1 — Front PageSeite 1 — LeitartikelPagina 1 — In prima paginaPagina 1 — La prima pagina

I. La journée frontièreThe day at the frontierDer GrenztagLa giornata di frontieraEl dì de confin

Architectures

Architectures

Architekturen

Architetture

Architettur

Les modèles de langage à diffusion continue séduisent la communautéContinuous Diffusion Language Models Charm the CommunityDiffusionssprachmodelle mit kontinuierlicher Generierung gewinnen die CommunityI modelli di linguaggio a diffusione continua seducono la comunitàI modell de lengoeu a diffusion continua i ingolosissen la comunità

L'essayiste Sander Diefenbach propose une synthèse des Continuous Diffusion Language Models (CDLM), cette famille de modèles qui génèrent du texte en continu plutôt que token par token. La discussion du 30 août 2026 sur Hacker News (72 points, 29 commentaires) revient sur les promesses de parallélisme d'inférence et les obstacles restants, notamment le conditionnement bidirectionnel.
Essayist Sander Diefenbach offers a synthesis of Continuous Diffusion Language Models (CDLM), the family of models that generate text continuously rather than token by token. The discussion of 30 August 2026 on Hacker News (72 points, 29 comments) revisits the promise of inference parallelism and the remaining obstacles, notably bidirectional conditioning.
Der Essayist Sander Diefenbach legt eine Synthese der Continuous Diffusion Language Models (CDLM) vor, jener Modellfamilie, die Text kontinuierlich statt Token für Token generiert. Die Diskussion vom 30. August 2026 auf Hacker News (72 Punkte, 29 Kommentare) greift die Versprechen paralleler Inferenz und die verbleibenden Hürden auf, namentlich die bidirektionale Konditionierung.
Il saggista Sander Diefenbach propone una sintesi dei Continuous Diffusion Language Models (CDLM), questa famiglia di modelli che generano testo in modo continuo anziché token per token. La discussione del 30 agosto 2026 su Hacker News (72 punti, 29 commenti) torna sulle promesse di parallelismo d'inferenza e sugli ostacoli rimanenti, in particolare il condizionamento bidirezionale.
L'essayista Sander Diefenbach el propon ona sintesi di Continuous Diffusion Language Models (CDLM), quella familia de modell chì che generen test in manera continua pùttost che token per token. La discussión del 30 de avost 2026 sora Hacker News (72 pont, 29 comentar) la torna sora i promess de parallelism de inferenza e i ostacol che resten, in particolar el condizionament bidirezional.

Pédagogie

Pedagogy

Didaktik

Pedagogia

Pedagogia

Un guide pas-à-pas pour construire un LLM par diffusionA Step-by-Step Guide to Building a Diffusion LLMEine Schritt-für-Schritt-Anleitung zum Bau eines Diffusions-LLMUna guida passo per passo per costruire un LLM a diffusioneOn guida pass per pass per costruì on LLM per diffusion

Le groupe Kuleshov publie un tutoriel complet expliquant comment construire un modèle de langage par diffusion, de la formulation du bruitage du texte jusqu'à l'entraînement. Soumis le 30 août 2026 sur Hacker News (34 points), il complète utilement l'essai de sander.ai en passant au code.
The Kuleshov Group has published a full tutorial explaining how to build a diffusion language model, from formulating the noising of text through to training. Submitted on 30 August 2026 to Hacker News (34 points), it usefully complements the sander.ai essay by moving from theory to code.
Die Gruppe um Kuleshov publiziert ein ausführliches Tutorial, das erklärt, wie man ein Sprachmodell per Diffusion baut — von der Formulierung der Textverrauschung bis zum Training. Am 30. August 2026 auf Hacker News eingereicht (34 Punkte), ergänzt es den Essay von sander.ai auf nützliche Weise mit konkretem Code.
Il gruppo Kuleshov pubblica un tutorial completo che spiega come costruire un modello di linguaggio a diffusione, dalla formulazione del rumore del testo fino all'addestramento. Inviato il 30 agosto 2026 su Hacker News (34 punti), completa utilmente il saggio di sander.ai passando al codice.
El grupp Kuleshov el püblica on tutorial complet che'l spiegа come costrui on modell de lengoeu per diffusion, de la formulazion del trafegà el test fina a l'adestrament. Inviàa el 30 de avost 2026 sora Hacker News (34 pont), el completa cun utilità l'essaj de sander.ai passand al còdes.

Culture

Culture

Kultur

Cultura

Cultura

Un wiki de jeu vidéo victime d'un DDoS après le bannissement d'un scraper IAVideo Game Wiki Hit by DDoS After AI Scraper Is BannedEin Videospiel-Wiki nach dem Bann eines KI-Scrapers Opfer einer DDoS-AttackeUn wiki di videogiochi vittima di un DDoS dopo il bando di uno scraper IAOn wiki de videogiòeugh colpii da on DDoS dopo del bann de on scraper IA

Un wiki de jeu vidéo apprécié a été mis à genoux par une attaque DDoS, menée après le bannissement d'un utilisateur automatisé, rapporte Kotaku le 31 août 2026. L'incident illustre la conflictualité croissante entre communautés de contribution volontaire et agents de scraping massif.
A beloved video game wiki was brought to its knees by a DDoS attack, launched after an automated user was banned, Kotaku reported on 31 August 2026. The incident illustrates the growing conflict between volunteer contribution communities and large-scale scraping agents.
Ein beliebtes Videospiel-Wiki wurde durch eine DDoS-Attacke lahmgelegt, verübt nach dem Ausschluss eines automatisierten Nutzers, wie Kotaku am 31. August 2026 berichtet. Der Vorfall illustriert die wachsende Konfliktdynamik zwischen freiwillig beitragenden Communities und Massen-Scraping-Agenten.
Un wiki di videogiochi molto apprezzato è stato messo in ginocchio da un attacco DDoS, condotto dopo il bando di un utente automatizzato, riporta Kotaku il 31 agosto 2026. L'incidente illustra la conflittualità crescente tra comunità di contribuzione volontaria e agenti di scraping massiccio.
On wiki de videogiòeugh apressaa l'è staa mizzaa in genoeugg da on atacch DDoS, fàa dopo del bann de on utent automatizzaa, 'l se legg sora Kotaku el 31 de avost 2026. L'incident el mostra la conflittualità cressenta intra i comunità de contribuzzion vuntariaja e i agent de scraping massiv.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Page 2 — Le Cahier TechniquePage 2 — The Technical NotebookSeite 2 — Das Technische DossierPagina 2 — Il Quaderno TecnicoPagina 2 — El Quadern Técnic

II. Outils & runtimeTools & runtimeWerkzeuge & RuntimeStrumenti & runtimeÜtens & runtime

Sécurité runtime

Runtime security

Runtime-Sicherheit

Sicurezza runtime

Sicurezza runtime

LMSM transpose l'architecture de sécurité Linux au serving de LLMLMSM Transposes Linux Security Architecture to LLM ServingLMSM überträgt die Linux-Sicherheitsarchitektur auf das LLM-ServingLMSM traspone l'architettura di sicurezza Linux al serving di LLMLMSM el trasponee l'architettura de sicurezza Linux al serving de LLM

Des chercheurs de l'Université nationale de Singapour adaptent la séparation des Linux Security Modules au serving de LLM (LMSM) : backend de preuves calibrées, politique versionnée et porte de sortie distincte. Le prototype, fonctionnant sur vLLM avec batching continu, réduit le taux de succès d'attaque HarmBench de 39,20 % à 3,32 % sur Qwen3-4B tout en conservant 98,14 % du débit nominal à 32 séquences actives.
Researchers at the National University of Singapore adapt the Linux Security Modules to LLM serving (LMSM): a calibrated-evidence backend, versioned policy and a distinct egress gate. The prototype, running on vLLM with continuous batching, cuts the HarmBench attack success rate from 39.20% to 3.32% on Qwen3-4B while retaining 98.14% of nominal throughput at 32 active sequences.
Forschende der Nationaluniversität Singapur übertragen die Trennung der Linux Security Modules auf das LLM-Serving (LMSM): kalibrierter Nachweis-Backend, versionierte Richtlinie und separierter Ausgangspfad. Der auf vLLM mit kontinuierlichem Batching laufende Prototyp senkt die Erfolgsquote von HarmBench-Angriffen von 39,20 % auf 3,32 % bei Qwen3-4B und bewahrt dabei 98,14 % des Nenndurchsatzes bei 32 aktiven Sequenzen.
Dei ricercatori della National University of Singapore adattano la separazione dei Linux Security Modules al serving di LLM (LMSM): backend di prove calibrate, policy versionata e porta d'uscita distinta. Il prototipo, funzionante su vLLM con batching continuo, riduce il tasso di successo d'attacco HarmBench dal 39,20% al 3,32% su Qwen3-4B conservando il 98,14% del throughput nominale a 32 sequenze attive.
Di resercadur de l'Università Nazional de Singapur adapten la separazion di Linux Security Modules al serving de LLM (LMSM): backend de pruuv calibraa, polissea versiunada e port de sortida destint. El prototip, che'l fonziona sora vLLM con batching continu, el sbassa el tass de success de atacch HarmBench del 39,20 % al 3,32 % sora Qwen3-4B e intant che'l mantegn el 98,14 % del rendiment nominal a 32 sequenz ativ.

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — Page 3 — La RecherchePage 3 — ResearchSeite 3 — Die ForschungPagina 3 — La RicercaPagina 3 — La Recherche

III. Daily Papers — 31 août 2026Daily Papers — 31 August 2026Daily Papers — 31. August 2026Daily Papers — 31 agosto 2026Daily Papers — 31 de avost 2026

Raisonnement physique

Physical reasoning

Physikalisches Reasoning

Ragionamento fisico

Razionament fisegh

Code-as-World : représenter la physique par du code exécutableCode-as-World: Representing Physics as Executable CodeCode-as-World: Physik als ausführbarer Code darstellenCode-as-World: rappresentare la fisica tramite codice eseguibileCode-as-World: rappresentà la fisega cun del còdes esegutabell

Le papier le plus voté du Daily Papers du 31 août 2026 (20 upvotes) propose de représenter les mondes physiques comme du code exécutable, découvert par une boucle agentique abductive. Code-as-World-VL atteint l'état de l'art sur QuantiPhy et surpasse les modèles propriétaires, avec code ouvert sur GitHub (202 étoiles).
The most upvoted paper of the Daily Papers of 31 August 2026 (20 upvotes) proposes representing physical worlds as executable code, discovered through an abductive agentic loop. Code-as-World-VL reaches state of the art on QuantiPhy and outperforms proprietary models, with open code on GitHub (202 stars).
Das meistgewählte Papier der Daily Papers vom 31. August 2026 (20 Upvotes) schlägt vor, physische Welten als ausführbaren Code darzustellen, entdeckt durch eine abduktive Agenten-Schleife. Code-as-World-VL erreicht den Stand der Technik auf QuantiPhy und übertrifft die führenden proprietären Modelle; der Code ist offen auf GitHub verfügbar (202 Sterne).
Il paper più votato del Daily Papers del 31 agosto 2026 (20 upvote) propone di rappresentare i mondi fisici come codice eseguibile, scoperto da un ciclo agentico abduttivo. Code-as-World-VL raggiunge lo stato dell'arte su QuantiPhy e supera i modelli proprietari, con codice aperto su GitHub (202 stelle).
El papier pussée votaa del Daily Papers del 31 de avost 2026 (20 upvotes) el propon de rappresentà i mond fisegh come del còdes esegutabell, scuvert da on cicl agentegh abductiv. El Code-as-World-VL el riva al stat de l'art sora QuantiPhy e'l supera i modell proprietari, cun còdes vert sora GitHub (202 stell).

Auto-amélioration

Self-improvement

Selbstverbesserung

Auto-miglioramento

Auto-migliorament

J-Zero : co-évolution Challenger–Solver–Judge sans aucune donnée humaineJ-Zero: Co-Evolving Challenger–Solver–Judge With No Human Data at AllJ-Zero: Ko-Evolution von Challenger–Solver–Judge ohne jegliche menschliche DatenJ-Zero: co-evoluzione Challenger–Solver–Judge senza alcun dato umanoJ-Zero: co-evoluzzion Challenger–Solver–Judge senza mìnga vun dat uman

J-Zero (KAIST AI, 18 upvotes) fait co-évoluer depuis zéro donnée un générateur de tâches, un solveur et un juge, en s'appuyant sur des paires de préférence dont l'ordre est connu par construction. Le cadre dépasse les baselines de 4,2 points en moyenne sur domaines vérifiables et 8,0 points sur non-vérifiables, et continue de progresser sur au moins dix itérations, là où les baselines dégradent après deux. Détails sur arXiv et code sur GitHub.
J-Zero (KAIST AI, 18 upvotes) co-evolves a task generator, a solver and a judge from zero human data, relying on preference pairs whose ordering is known by construction. The framework outperforms baselines by an average of 4.2 points on verifiable domains and 8.0 points on non-verifiable ones, and keeps improving over at least ten iterations, where baselines degrade after two. Details on arXiv and code on GitHub.
J-Zero (KAIST AI, 18 Upvotes) lässt ohne jegliche menschliche Daten einen Aufgabengenerator, einen Solver und einen Richter ko-evolvieren, gestützt auf Präferenzpaare, deren Reihenfolge konstruktionsbedingt bekannt ist. Der Rahmen übertrifft die Baselines im Mittel um 4,2 Punkte auf verifizierbaren und 8,0 Punkte auf nicht verifizierbaren Domänen und legt über mindestens zehn Iterationen weiter zu, während die Baselines nach zwei degradieren. Details auf arXiv, Code auf GitHub.
J-Zero (KAIST AI, 18 upvote) fa co-evolvere da zero dati un generatore di compiti, un solver e un giudice, basandosi su coppie di preferenza il cui ordine è noto per costruzione. Il quadro supera le baseline di 4,2 punti in media sui domini verificabili e di 8,0 punti su quelli non verificabili, e continua a progredire per almeno dieci iterazioni, mentre le baseline degradano dopo due. Dettagli su arXiv e codice su GitHub.
J-Zero (KAIST AI, 18 upvotes) el fà co-evoluv de zero dati on generatur de compit, on risolvitor e on giudiz, apojandess sora di cobiij de preferenza che'l so orden l'è saraa per costruzzion. El quatr el supera i baselinn de 4,2 pont in media sora i dumini verificabij e 8,0 pont sora quij minga verificabij, e'l va inanz a cress per almen ddes iterazion, induve che i baselinn i degraden dopo de do. Detaj sora arXiv e còdes sora GitHub.

Sécurité des agents

Agent safety

Agenten-Sicherheit

Sicurezza degli agenti

Sicurezza di agent

StepGuard : des garde-fous au niveau de l'étape avant exécutionStepGuard: Step-Level Guardrails Before ExecutionStepGuard: Schutzmassnahmen auf Schritt-Ebene vor der AusführungStepGuard: paracadute a livello di passo prima dell'esecuzioneStepGuard: di guardi al nivel del pass prima de l'esecuzion

StepGuard audite les actions d'outils d'un agent avant exécution, entraîné via le moteur StepGen et Balance-GRPO. Déployé sur AgentDojo et AgentDyn, il réduit le taux moyen de succès d'attaque de 77,3 % en relatif, pour une perte d'utilité de seulement 2,8 points, avec une précision comparable à GPT-5.4. Papier et code sur arXiv et GitHub.
StepGuard audits an agent's tool actions before execution, trained via the StepGen engine and Balance-GRPO. Deployed on AgentDojo and AgentDyn, it reduces the average attack success rate by 77.3% in relative terms, for a utility loss of only 2.8 points, with accuracy comparable to GPT-5.4. Paper and code on arXiv and GitHub.
StepGuard prüft die Tool-Aktionen eines Agenten vor der Ausführung, trainiert über die Engine StepGen und Balance-GRPO. Auf AgentDojo und AgentDyn eingesetzt, reduziert es die mittlere Erfolgsquote von Angriffen relativ um 77,3 % bei einem Nutzenverlust von bloss 2,8 Punkten, mit einer Präzision vergleichbar mit GPT-5.4. Papier und Code auf arXiv und GitHub.
StepGuard audità le azioni degli strumenti di un agente prima dell'esecuzione, addestrato tramite il motore StepGen e Balance-GRPO. Distribuito su AgentDojo e AgentDyn, riduce il tasso medio di successo d'attacco del 77,3% in relativo, con una perdita di utilità di soli 2,8 punti e una precisione paragonabile a GPT-5.4. Paper e codice su arXiv e GitHub.
StepGuard el audita i azion di ütens d'on agent prima de l'esecuzion, adriaa cun el motor StepGen e Balance-GRPO. Miss sora AgentDojo e AgentDyn, el sbassa el tass medi de success de atacch del 77,3 % in relativ, per ona perdita de utilità de domà 2,8 pont, cun ona precision cumparabell a GPT-5.4. Papier e còdes sora arXiv e GitHub.

Connaissance

Knowledge

Wissen

Conoscenza

Cugnossenza

ElephantBench : la myopie épistémique des LLM sur les faits divergentsElephantBench: The Epistemic Myopia of LLMs on Divergent FactsElephantBench: die epistemische Kurzsichtigkeit der LLM bei divergierenden FaktenElephantBench: la miopia epistemica dei LLM sui fatti divergentiElephantBench: la miopia episstemiga di LLM sora i fatt divergent

ElephantBench (Tencent, 11 upvotes) sonde la mémoire paramétrique de 32 modèles avec 1 094 questions à comptes multiples : le meilleur modèle ne retrouve les deux versions d'un fait long-tail que dans 52,4 % des cas, omettant l'autre presque systématiquement. Le scaling et le raisonnement à l'inférence améliorent le rappel sans éliminer cette myopie. Benchmark et pipeline sur arXiv et GitHub.
ElephantBench (Tencent, 11 upvotes) probes the parametric memory of 32 models with 1,094 multi-account questions: the best model retrieves both versions of a long-tail fact in only 52.4% of cases, almost systematically omitting the other. Scaling and inference-time reasoning improve recall without eliminating this myopia. Benchmark and pipeline on arXiv and GitHub.
ElephantBench (Tencent, 11 Upvotes) testet das parametrische Gedächtnis von 32 Modellen mit 1094 mehrdeutigen Faktenfragen: Das beste Modell findet beide Versionen eines Long-Tail-Fakts nur in 52,4 % der Fälle und lässt die andere fast systematisch aus. Skalierung und Inferenz-Reasoning verbessern den Abruf, ohne diese Kurzsichtigkeit zu beseitigen. Benchmark und Pipeline auf arXiv und GitHub.
ElephantBench (Tencent, 11 upvote) sondà la memoria parametrica di 32 modelli con 1 094 domande a contabilità multipla: il miglior modello ritrova le due versioni di un fatto long-tail solo nel 52,4% dei casi, omettendo quasi sistematicamente l'altra. Lo scaling e il ragionamento all'inferenza migliorano il richiamo senza eliminare questa miopia epistemica. Benchmark e pipeline su arXiv e GitHub.
ElephantBench (Tencent, 11 upvotes) el scandla la memoria parametrega de 32 modell cun 1 094 dumand a cünt multipl: el modell mej el trova i du versiun d'on fatt long-tail domà in del 52,4 % di cass, lassand l'oltra in manera quasi sistematica. El scaling e el razionament a l'inferenza miglioren el rappell senza eliminà questa miopia chì. Benchmark e pipeline sora arXiv e GitHub.

IV. Agents & robotiqueAgents & roboticsAgenten & RobotikAgenti & roboticaAgent & robotega

Agents long-horizon

Long-horizon agents

Langhorizont-Agenten

Agenti long-horizon

Agent long-horizon

ContextPilot apprend aux agents à éditer leur propre contexteContextPilot Teaches Agents to Edit Their Own ContextContextPilot bringt Agenten bei, ihren eigenen Kontext zu editierenContextPilot insegna agli agenti a editare il proprio contestoContextPilot l'insegna ai agent a edità el so cuntcst istess

ContextPilot (Tencent, 16 upvotes) outille la gestion proactive du contexte avec planification, mémoire long terme et déchargement souple, et crédite les décisions d'édition critiques via un échantillonnage par branches guidé par l'entropie. Il domine les baselines en QA long-contexte et deep search avec un contexte de travail plus compact. Papier sur arXiv, code sur GitHub.
ContextPilot (Tencent, 16 upvotes) equips agents for proactive context management with planning, long-term memory and flexible offloading, crediting critical editing decisions via entropy-guided branch sampling. It dominates baselines in long-context QA and deep search with a more compact working context. Paper on arXiv, code on GitHub.
ContextPilot (Tencent, 16 Upvotes) stattet Agenten mit proaktiver Kontextverwaltung aus: Planung, Langzeitgedächtnis und flexibles Auslagern; kritische Editierentscheide werden über entropiegeführtes Verzweigungs-Sampling gutgeschrieben. Es dominiert die Baselines in Langkontext-QA und Deep Search mit kompakterem Arbeitskontext. Papier auf arXiv, Code auf GitHub.
ContextPilot (Tencent, 16 upvote) fornisce la gestione proattiva del contesto con pianificazione, memoria a lungo termine e offload flessibile, e accredita le decisioni di editing critiche tramite un campionamento per rami guidato dall'entropia. Domina le baseline in QA long-context e deep search con un contesto di lavoro più compatto. Paper su arXiv, codice su GitHub.
ContextPilot (Tencent, 16 upvotes) el uttregia la gestión proattiva del cuntcst cun planificazion, memoria long termin e scarich flessibel, e'l credit i decisiun de edizion critic cun on campionament per ramm guidaa da l'entropia. El domina i baselinn in QA long-cuntcst e deep search cun on cuntcst de laurà pussée cumpatt. Papier sora arXiv, còdes sora GitHub.

Robotique

Robotics

Robotik

Robotica

Robotega

VLAct : la qualité de représentation plutôt que le scaling de données robotiquesVLAct: Representation Quality Rather Than Robotic Data ScalingVLAct: Qualität der Repräsentation statt Skalierung Robotik-DatenVLAct: la qualità della rappresentazione anziché lo scaling dei dati roboticiVLAct: la qualità de la rappresentazión pùttost che el scaling de dat robotegh

VLAct (13 upvotes) montre qu'un pré-entraînement continu centré représentation, sur 16 GPU et données open source, suffit à dépasser des systèmes industriels : 82,6 % sur LIBERO-Plus, 92,5 % sur RoboTwin 2.0, et sur RoboCasa-GR1 le modèle bat le baseline GR00T-N1.6 avec seulement 20 % des trajectoires. Papier sur arXiv et projet sur GitHub Pages.
VLAct (13 upvotes) shows that a representation-centred continual pre-training, on 16 GPUs and open-source data, is enough to surpass industrial systems: 82.6% on LIBERO-Plus, 92.5% on RoboTwin 2.0, and on RoboCasa-GR1 the model beats the GR00T-N1.6 baseline with only 20% of the trajectories. Paper on arXiv and project on GitHub Pages.
VLAct (13 Upvotes) zeigt, dass ein repräsentationszentriertes Weitertraining auf 16 GPUs und offenen Daten genügt, um Industriesysteme zu übertrumpfen: 82,6 % auf LIBERO-Plus, 92,5 % auf RoboTwin 2.0, und auf RoboCasa-GR1 schlägt das Modell die Baseline GR00T-N1.6 mit nur 20 % der Trajektorien. Papier auf arXiv, Projekt auf GitHub Pages.
VLAct (13 upvote) mostra che un pre-addestramento continuo centrato sulla rappresentazione, su 16 GPU e dati open source, basta a superare sistemi industriali: 82,6% su LIBERO-Plus, 92,5% su RoboTwin 2.0 e, su RoboCasa-GR1, il modello batte la baseline GR00T-N1.6 con solo il 20% delle traiettorie. Paper su arXiv e progetto su GitHub Pages.
VLAct (13 upvotes) el mostra che on pre-adestrament continu centràa sora la rappresentazión, sora 16 GPU e dat open source, el basta per superà di sistèm industriaj: 82,6 % sora LIBERO-Plus, 92,5 % sora RoboTwin 2.0, e sora RoboCasa-GR1 el modell el batt el baseline GR00T-N1.6 cun domà el 20 % di traettori. Papier sora arXiv e proget sora GitHub Pages.

RL appliquée

Applied RL

Angewandtes RL

RL applicata

RL aplicada

Ling-RCCA-Flash : crédit localisé par rubrique pour la génération d'applications webLing-RCCA-Flash: Rubric-Level Localised Credit for Web App GenerationLing-RCCA-Flash: lokalisierter Credit pro Rubrik für die Web-App-GenerierungLing-RCCA-Flash: credito localizzato per sezione per la generazione di applicazioni webLing-RCCA-Flash: credit localizzaa per rubrica per la generazion de app web

RCCA (Ant Group) convertit les feedbacks fonctionnels par rubrique en signaux localisés sur les spans de code responsables, au lieu du reward uniforme du GRPO. Le modèle résultant, Ling-RCCA-Flash, marque 41,25 sur MiniAppBench (+32,20 sur Ling-3.0-Flash, devant Claude Opus 4.5) et 76,19 sur ArtifactsBench, soit 3,64 points au-dessus du score GPT-5. Détails sur arXiv.
RCCA (Ant Group) converts per-category functional feedback into signals localised on the responsible code spans, instead of GRPO's uniform reward. The resulting model, Ling-RCCA-Flash, scores 41.25 on MiniAppBench (+32.20 over Ling-3.0-Flash, ahead of Claude Opus 4.5) and 76.19 on ArtifactsBench, 3.64 points above the GPT-5 score. Details on arXiv.
RCCA (Ant Group) übersetzt funktionales Feedback pro Rubrik in lokalisierte Signale auf den verantwortlichen Code-Spans, statt des einheitlichen Rewards des GRPO. Das resultierende Modell Ling-RCCA-Flash erzielt 41,25 auf MiniAppBench (+32,20 gegenüber Ling-3.0-Flash, vor Claude Opus 4.5) und 76,19 auf ArtifactsBench, 3,64 Punkte über dem GPT-5-Score. Details auf arXiv.
RCCA (Ant Group) converte i feedback funzionali per sezione in segnali localizzati sugli span di codice responsabili, invece del reward uniforme di GRPO. Il modello risultante, Ling-RCCA-Flash, segna 41,25 su MiniAppBench (+32,20 su Ling-3.0-Flash, davanti a Claude Opus 4.5) e 76,19 su ArtifactsBench, ovvero 3,64 punti sopra il punteggio GPT-5. Dettagli su arXiv.
RCCA (Ant Group) la converten i feedback funziunaj per rubrica in segnaj localizzaa sora i span de còdes responsabij, al post del reward uniform del GRPO. El modell resultaa, el Ling-RCCA-Flash, el marca 41,25 sora MiniAppBench (+32,20 sora Ling-3.0-Flash, davant a Claude Opus 4.5) e 76,19 sora ArtifactsBench, cioè 3,64 pont sora el puntegg del GPT-5. Detaj sora arXiv.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — Page 4 — La Communauté & ÉditoPage 4 — Community & OpinionSeite 4 — Community & LeitartikelPagina 4 — La Comunità & EditorialePagina 4 — La Comunità & Edito

V. Signaux de la communautéSignals from the communitySignale aus der CommunitySegnali dalla comunitàSegnaj de la comunità

Régulation

Regulation

Regulierung

Regolamentazione

Regulazion

L'UE engage sa première phase d'exécution de l'AI ActEU Launches First Enforcement Phase of the AI ActDie EU startet die erste Vollzugsphase des AI ActL'UE avvia la prima fase di esecuzione dell'AI ActL'UE la scomenza la so prima fas de esecuzion de l'AI Act

Une analyse publiée le 31 août 2026 détaille les premières demandes d'information envoyées par les autorités de l'UE aux fournisseurs de modèles, premier acte d'exécution concret de l'AI Act. La discussion sur Hacker News (19 points, 17 commentaires) porte sur la portée des exigences de cybersécurité documentaire pour les labos.
An analysis published on 31 August 2026 details the first requests for information sent by EU authorities to model providers, the first concrete enforcement act under the AI Act. The discussion on Hacker News (19 points, 17 comments) focuses on the scope of documentary cybersecurity requirements for labs.
Eine am 31. August 2026 publizierte Analyse beschreibt die ersten Auskunftsanfragen der EU-Behörden an Modellanbieter — der erste konkrete Vollzugsakt des AI Act. Die Diskussion auf Hacker News (19 Punkte, 17 Kommentare) dreht sich um die Reichweite der dokumentarischen Cybersicherheitsanforderungen für Labore.
Un'analisi pubblicata il 31 agosto 2026 dettaglia le prime richieste d'informazione inviate dalle autorità UE ai fornitori di modelli, primo atto di esecuzione concreto dell'AI Act. La discussione su Hacker News (19 punti, 17 commenti) riguarda la portata dei requisiti di cybersecurity documentale per i laboratori.
On analisi püblicada el 31 de avost 2026 la detaja i primm dumand d'informazion mandaa dai autorità de l'UE ai fornitur de modell, primm at de esecuzion cuncret de l'AI Act. La discussión sora Hacker News (19 pont, 17 comentar) la parta sora la puurtada di esigennze de cybersecurity documentaria per i lab.

Analyse

Analysis

Analyse

Analisi

Analisi

Comprendre ChatGPT Work : la mise au point de Simon Willison fait dateUnderstanding ChatGPT Work: Simon Willison's Landmark ClarificationChatGPT Work verstehen: Simon Willisons Klarstellung setzt einen MarksteinCapire ChatGPT Work: il chiarimento di Simon Willison fa dataCapì ChatGPT Work: la precisazion de Simon Willison la fa dàta

Simon Willison décortique ce qu'est réellement ChatGPT Work, l'offre orientée entreprises d'OpenAI. Sa note du 30 août 2026, plébiscitée sur Hacker News (100 points, 32 commentaires), clarifie les frontières entre abonnement, déploiement d'espace de travail et garanties de confidentialité des données.
Simon Willison dissects what ChatGPT Work really is, OpenAI's enterprise-oriented offering. His note of 30 August 2026, widely praised on Hacker News (100 points, 32 comments), clarifies the boundaries between subscription, workspace deployment and data confidentiality guarantees.
Simon Willison seziert ChatGPT Work und was es tatsächlich ist, das auf Unternehmen ausgerichtete Angebot von OpenAI. Seine Notiz vom 30. August 2026, auf Hacker News gefeiert (100 Punkte, 32 Kommentare), klärt die Grenzen zwischen Abonnement, Workspace-Deployment und Datenschutzgarantien.
Simon Willison disseziona che cos'è davvero ChatGPT Work, l'offerta orientata alle imprese di OpenAI. La sua nota del 30 agosto 2026, molto apprezzata su Hacker News (100 punti, 32 commenti), chiarisce i confini tra abbonamento, deployment di spazio di lavoro e garanzie di riservatezza dei dati.
Simon Willison el dissequen ciò che l'è verament ChatGPT Work, l'uferta orientada aziendaj de OpenAI. La so nota del 30 de avost 2026, püzida sora Hacker News (100 pont, 32 comentar), la claregg i cunfin intra abonament, missa in pej de spazzi de laurà e garanzij de cunfidenzialità di dat.

VI. ÉditoEditorialLeitartikelEditorialeEdito

Édito

Editorial

Leitartikel

Editoriale

Edito

Édito — L'IA de 2026 : construire vite, démanteler vite, réguler viteEditorial — AI in 2026: Build Fast, Dismantle Fast, Regulate FastLeitartikel — Die KI von 2026: schnell bauen, schnell abbauen, schnell regulierenEditoriale — L'IA del 2026: costruire in fretta, smontare in fretta, regolamentare in frettaEdito — L'IA del 2026: costruì prest, demolì prest, regulà prest

Trois mouvements de fond se dessinent cette fin d'août 2026. D'abord, la consolidation : OpenAI retire le GPT DALL·E le 30 août, trois ans après son avènement — la durée de vie d'un produit IA frontière est désormais inférieure à un cycle olympique. Ensuite, la diffusion : avec l'essai de sander.ai et le tutoriel du groupe Kuleshov, l'alternative au transformer autorégressif cesse d'être une curiosité de laboratoire pour devenir une compétence apprise par la communauté. Enfin, l'exécution réglementaire commence : les premières RFI de l'AI Act datées du 31 août transforment un texte en contrainte opérationnelle. La leçon commune : dans l'IA de 2026, ce qui se construit vite se déconstruit aussi vite — et se régule désormais tout aussi vite.
Three major currents are taking shape at the end of August 2026. First, consolidation: OpenAI retires the DALL·E GPT on 30 August, three years after its advent — the lifespan of a frontier AI product is now shorter than an Olympic cycle. Next, diffusion: with the essay on sander.ai and the Kuleshov Group tutorial, the alternative to the autoregressive transformer ceases to be a laboratory curiosity and becomes a skill learned by the community. Finally, regulatory enforcement is beginning: the first AI Act RFIs, dated 31 August, turn a legal text into an operational constraint. The common lesson: in 2026's AI, what is built fast is also dismantled fast — and is now regulated just as fast.
Drei Grundbewegungen zeichnen sich Ende August 2026 ab. Erstens die Konsolidierung: OpenAI zieht das GPT DALL·E am 30. August zurück, drei Jahre nach seinem Aufstieg — die Lebensdauer eines Grenz-KI-Produkts liegt damit unter einem olympischen Zyklus. Zweitens die Diffusion: Mit dem Essay von sander.ai und dem Tutorial der Gruppe Kuleshov hört die Alternative zum autoregressiven Transformer auf, eine Labor-Kuriosität zu sein, und wird zu einer von der Community erlernten Kompetenz. Drittens beginnt der regulatorische Vollzug: Die ersten RFI des AI Act vom 31. August verwandeln einen Text in eine operative Zwangsgrösse. Die gemeinsame Lehre: In der KI von 2026 wird, was schnell gebaut wird, ebenso schnell abgebaut — und künftig ebenso schnell reguliert.
Tre movimenti di fondo si delineano alla fine di agosto 2026. Prima, la consolidazione: OpenAI ritira il GPT DALL·E il 30 agosto, tre anni dopo il suo avvento — la durata di vita di un prodotto IA di frontiera è ormai inferiore a un ciclo olimpico. Poi, la diffusione: con il saggio di sander.ai e il tutorial del gruppo Kuleshov, l'alternativa al transformer autoregressivo cessa di essere una curiosità di laboratorio per diventare una competenza appresa dalla comunità. Infine, inizia l'esecuzione regolamentare: le prime RFI dell'AI Act datate 31 agosto trasformano un testo in vincolo operativo. La lezione comune: nell'IA del 2026, ciò che si costruisce velocemente si smonta altrettanto velocemente — e ormai si regolamenta con la stessa rapidità.
Trij muiment de fond se desen una sta fin de avost 2026. Prima, la consolidazion: OpenAI la ritira el GPT DALL·E el 30 de avost, trii ann dopo del so avvent — la durada de vita d'on prodott IA de confin l'è ades inferior a on cicl olímpig. Pö, la diffusion: cun l'essaj de sander.ai e 'l tutorial del grupp Kuleshov, l'alternativa al transformer autorgressiv la smett de vess ona curiosità de laboratori per deventà ona capacità imprada da la comunità. A la fin, l'esecuzion regulamentara la scomenza: i primm RFI de l'AI Act datàa el 31 de avost i trasmforman on test in ona limitazion operativa. La lessión cumun: in de l'IA del 2026, ciò che'l se costruiss velos el se demoliss ancamò velos — e ades el se regola istess velos.