The Neuron Times

All the AI that's fit to print

N° 320 Édition du matinMorning EditionMorgenausgabeEdizione del mattinoEdizion del mattin · Genève LUNDI 16 NOVEMBRE 2026MONDAY, 16 NOVEMBER 2026MONTAG, 16. NOVEMBER 2026LUNEDÌ 16 NOVEMBRE 2026LUNEDÌ 16 NOVEMBRE 2026

À la Une · Science & FrontièreFront Page · Science & FrontierSchlagzeilen · Wissenschaft & FrontierPrima pagina · Scienza & FrontieraIn prima pagina · Scienza & Frontiera

Un pas vers la définition du Modèle Standard sur réseau : GPT-6 Astra au chevet d'une preuve de physiqueA Step Toward a Lattice Definition of the Standard Model: GPT-6 Astra at the Bedside of a Physics ProofEin Schritt zur Definition des Standardmodells auf dem Gitter: GPT-6 Astra an der Seite eines physikalischen BeweisesUn passo verso la definizione del Modello Standard su reticolo: GPT-6 Astra al capezzale di una prova di fisicaOn pass vers la definizion del Modell Standard in su la red: GPT-6 Astra al lett de ona prova de fisica

OpenAI publie le 15 novembre 2026 un travail où un modèle frontier contribue à transformer une intuition théorique de physique des hautes énergies en preuve détaillée.On 15 November 2026, OpenAI published work in which a frontier model helped transform a theoretical intuition from high-energy physics into a detailed proof.OpenAI veröffentlicht am 15. November 2026 eine Arbeit, in der ein Frontier-Modell mithilft, eine theoretische Intuition aus der Hochenergiephysik in einen detaillierten Beweis zu überführen.OpenAI pubblica il 15 novembre 2026 un lavoro in cui un modello di frontiera contribuisce a trasformare un'intuizione teorica di fisica delle alte energie in una prova dettagliata.OpenAI el publica el 16 de november 2026 on lavorà indoa on modell frontier el contribuiss a trasformà vuna intuizion teorica de fisica di energiesvolt in d'ona prova detallada.

Dans une publication datée du 15 novembre 2026, OpenAI explore une définition candidate non perturbative du Modèle Standard de la physique des particules sur réseau, l'un des problèmes ouverts les plus ardus de la physique théorique. L'entreprise décrit comment GPT-6 Astra a aidé à transformer l'idée en une preuve détaillée, intervenant comme collaborateur technique sur une chaîne de raisonnement mathématique de haut niveau.In a publication dated 15 November 2026, OpenAI explores a candidate non-perturbative lattice definition of the Standard Model of particle physics, one of the most stubborn open problems in theoretical physics. The company describes how GPT-6 Astra helped turn the idea into a detailed proof, acting as a technical collaborator on a high-level chain of mathematical reasoning.In einer am 15. November 2026 datierten Publikation erkundet OpenAI eine kandidatische, nicht-perturbative Definition des Standardmodells der Teilchenphysik auf dem Gitter – eines der schwierigsten offenen Probleme der theoretischen Physik. Das Unternehmen beschreibt, wie GPT-6 Astra half, die Idee in einen detaillierten Beweis zu überführen, als technischer Mitarbeiter in einer hochrangigen mathematischen Argumentationskette.In una pubblicazione datata 15 novembre 2026, OpenAI esplora una definizione candidata non perturbativa del Modello Standard della fisica delle particelle su reticolo, uno dei problemi aperti più ardui della fisica teorica. L'azienda descrive come GPT-6 Astra ha contribuito a trasformare l'idea in una prova dettagliata, intervenendo come collaboratore tecnico su una catena di ragionamento matematico di alto livello.In d'ona publicazion datada Dumenega, 15 de november 2026, OpenAI l'esplora ona definizion candidada minga perturbativa del Modell Standard de la fisica di particoi in su la red, vun di problema avert pussee gram de la fisica teorica. L'azienda la descriv coma GPT-6 Astra l'ha juttaa a trasformà l'idea in d'ona prova dettagliada, intervenend coma collaborador tecnegh in su vuna cadena de rasonament matemategh de volt nivel.

L'annonce illustre le repositionnement d'OpenAI vers les sciences dures : le même jour, l'entreprise lançait un blog dédié à la science, qui réunira résultats, méthodes pratiques et récits de chercheurs utilisant l'IA pour la découverte scientifique. Les deux publications sont arrivées simultanément, le 15 novembre 2026 à 22h00 UTC.The announcement illustrates OpenAI's repositioning toward the hard sciences: the same day, the company launched a blog dedicated to science, which will gather results, practical methods and stories from researchers using AI for scientific discovery. Both publications went live simultaneously, on 15 November 2026 at 22:00 UTC.Die Ankündigung illustriert die Neupositionierung OpenAIs Richtung Naturwissenschaften: Am selben Tag startete das Unternehmen einen eigenständigen Wissenschafts-Blog, der Resultate, praktische Methoden und Berichte von Forschenden versammeln wird, die KI für die wissenschaftliche Entdeckung nutzen. Beide Publikationen erschienen gleichzeitig, am 15. November 2026 um 22:00 UTC.L'annuncio illustra il riposizionamento di OpenAI verso le scienze dure: lo stesso giorno, l'azienda lanciava un blog dedicato alla scienza, che raccoglierà risultati, metodi pratici e racconti di ricercatori che utilizzano l'IA per la scoperta scientifica. Le due pubblicazioni sono arrivate simultaneamente, il 15 novembre 2026 alle 22:00 UTC.L'anunzi l'ilustra el reposizionament de OpenAI vers i scenz dur: l'istess dì, l'azienda l'ha lanziaa on blog dedicaa a la scienza, che 'l regoeuj varà resultaa, metod prategh e racoont de ricercador che doperen l'IA per la descoverta scentifica. I dò publicazion hinn rivaa contemporaneament, el Dumenega, 15 de november 2026 ai 22:00 UTC.

Le geste a valeur de signal pour l'industrie : après les agents de codage et la productivité, les labos frontière cherchent des preuves d'impact scientifique vérifiables, là où une preuve mathématique assistée par modèle est difficile à contester. Reste à voir si la communauté de la physique des hautes énergies validera la construction proposée.The move is a signal to the industry: after coding agents and productivity, frontier labs are looking for verifiable evidence of scientific impact — territory where a model-assisted mathematical proof is hard to dispute. Whether the high-energy physics community will validate the proposed construction remains to be seen.Der Schritt hat Signalwirkung für die Branche: Nach Coding-Agenten und Produktivität suchen die Frontier-Labors nach überprüfbaren Belegen wissenschaftlicher Wirkung – dort, wo ein modellgestützter mathematischer Beweis schwer zu bestreiten ist. Offen bleibt, ob die Community der Hochenergiephysik die vorgeschlagene Konstruktion validieren wird.Il gesto ha valore di segnale per l'industria: dopo gli agenti di coding e la produttività, i laboratori di frontiera cercano prove di impatto scientifico verificabili, là dove una prova matematica assistita da modello è difficile da contestare. Resta da vedere se la comunità della fisica delle alte energie convaliderà la costruzione proposta.El gest el var on segnall per l'industria: dopo i agent de codifega e la produtività, i labo frontier cerchen di proeuv de impatt scentifegh verificabil, lì indoa ona prova matematega assistida de on modell l'è diffizil de contestà. Rest de vedè se la comunità de la fisica di energiesvolt validarà la costruzion proposta.

Page 1 — Page 1 — Seite 1 — Pagina 1 — Pagina 1 — À la Une — Modèles & FrontièreFront Page — Models & FrontierFrontseite — Modelle & FrontierIn Prima Pagina — Modelli & FrontieraIn Prima Pagina — Modell & Frontiera

I. FrontièreFrontierFrontierFrontieraFrontiera

Sortie modèle

Model release

Modell-Release

Uscita modello

Sortida modell

Qwen4-Max : Alibaba pousse son flagship sur la page d'accueil de Hacker NewsQwen4-Max: Alibaba Pushes Its Flagship onto the Hacker News Front PageQwen4-Max: Alibaba bringt sein Flaggschiff auf die Hacker-News-StartseiteQwen4-Max: Alibaba spinge il suo flagship sulla pagina iniziale di Hacker NewsQwen4-Max: Alibaba el sping el so flagship in su la pagina principal de Hacker News

From the Wires — 16 novembre 2026

From the Wires — 16 November 2026

From the Wires — 16. November 2026

Dagli studi — From the Wires — 16 novembre 2026

From the Wires — 16 novembre 2026

Publiée sur le blog officiel Qwen le 16 novembre 2026, la sortie de Qwen4-Max a immédiatement décollé sur Hacker News avec plus de 304 points et 103 commentaires en quelques heures. La discussion sur le fil HN tourne autour du positionnement du modèle face aux frontier occidentaux et de sa disponibilité via API. Alibaba poursuit sa cadence de releases majeures numérotées, après les générations 3.x de l'année.
Published on the official Qwen blog on 16 November 2026, the release of Qwen4-Max immediately took off on Hacker News with over 304 points and 103 comments within hours. The discussion on the HN thread revolves around the model's positioning against Western frontier models and its API availability. Alibaba is continuing its cadence of major numbered releases, following last year's 3.x generations.
Am 16. November 2026 auf dem offiziellen Qwen-Blog veröffentlicht, nahm die Ausgabe von Qwen4-Max auf Hacker News sofort Fahrt auf, mit über 304 Punkten und 103 Kommentaren innert weniger Stunden. Die Diskussion im HN-Thread kreist um die Positionierung des Modells gegenüber den westlichen Frontier-Modellen und seine Verfügbarkeit per API. Alibaba setzt sein Tempo bei nummerierten Gross-Releases fort, nach den 3.x-Generationen des laufenden Jahres.
Pubblicata sul blog ufficiale Qwen il 16 novembre 2026, l'uscita di Qwen4-Max è decollata immediatamente su Hacker News con più di 304 punti e 103 commenti in poche ore. La discussione sul thread HN ruota attorno al posizionamento del modello rispetto ai frontier occidentali e alla sua disponibilità via API. Alibaba prosegue il suo ritmo di release principali numerate, dopo le generazioni 3.x dell'anno.
Publicada sora el blog ufizial Qwen el Lunes, 16 de november 2026, la sortida de Qwen4-Max l'ha subet decollaa sora Hacker News con pussee de 300 pont e 103 comment in quij or lì. La discussion sora el fil HN la gira intorna al posizionament del modell in confront ai frontier occidentai e a la soa disponibil per mej de API. Alibaba el va innanz con la soa cadenza di release magioor numercaa, dopo i generazion 3.x de l'ann.

Page 2 — Page 2 — Seite 2 — Pagina 2 — Pagina 2 — Le Cahier TechniqueThe Technical NotebookDas Technische DossierIl Quaderno TecnicoEl Quadern Tecnegh

II. Outils & donnéesTools & DataWerkzeuge & DatenStrumenti & datiStrument & dacc

Base de données

Database

Datenbanken

Base di dati

Banca dacc

MEM-SQL : la mémoire historique rend le Text-to-SQL plus juste et 76,6 % moins gourmandMEM-SQL: Historical Memory Makes Text-to-SQL More Accurate and 76.6% LighterMEM-SQL: Historisches Gedächtnis macht Text-to-SQL präziser und 76,6 % sparsamerMEM-SQL: la memoria storica rende il Text-to-SQL più accurato e il 76,6% meno esigenteMEM-SQL: la memoria storega la rend el Text-to-SQL pussee giust e con el 76,6% de men de appetit

Des chercheurs de l'Université de Hong Kong publient MEM-SQL et le benchmark HARE : 1 600 requêtes dérivées d'un pool de 823 requêtes SQL vérifiées. Sur six modèles, l'exactitude d'exécution moyenne passe de 37,1 % (génération directe) à 50,0 % avec mémoire, avec 76,6 % de tokens d'entrée en moins et une latence réduite de 68,8 %. Le paper est disponible sur arXiv (2611.18338), soumis aux Daily Papers du 16 novembre 2026.
Researchers at the University of Hong Kong publish MEM-SQL and the HARE benchmark: 1,600 queries derived from a pool of 823 verified SQL queries. Across six models, average execution accuracy rises from 37.1% (direct generation) to 50.0% with memory, with 76.6% fewer input tokens and latency reduced by 68.8%. The paper is available on arXiv (2611.18338), submitted to the Daily Papers of 16 November 2026.
Forschende der Universität Hongkong veröffentlichen MEM-SQL und den Benchmark HARE: 1600 Abfragen, abgeleitet aus einem Pool von 823 verifizierten SQL-Abfragen. Bei sechs Modellen steigt die durchschnittliche Ausführungsgenauigkeit von 37,1 % (direkte Generierung) auf 50,0 % mit Gedächtnis – bei 76,6 % weniger Input-Tokens und einer um 68,8 % reduzierten Latenz. Das Paper ist auf arXiv verfügbar (2611.18338), eingereicht bei den Daily Papers vom 16. November 2026.
Dei ricercatori dell'Università di Hong Kong pubblicano MEM-SQL e il benchmark HARE: 1'600 query derivate da un pool di 823 query SQL verificate. Su sei modelli, l'accuratezza media di esecuzione passa dal 37,1% (generazione diretta) al 50,0% con memoria, con il 76,6% di token in ingresso in meno e una latenza ridotta del 68,8%. Il paper è disponibile su arXiv (2611.18338), presentato ai Daily Papers del 16 novembre 2026.
Di ricercador de l'Università de Hong Kong publichen MEM-SQL e 'l benchmark HARE: 1.600 query derivaa de on pool de 823 query SQL verificaa. Sora ses modell, l'esattezza de esecuzion media la passa de 37,1% (generazion direta) al 50,0% con memoria, cont el 76,6% de token de entrada de men e vuna latenza sbassada del 68,8%. El paper l'è disponibel sora arXiv (2611.18338), sotamess ai Daily Papers del Lunes, 16 de november 2026.

Observabilité agents

Agent observability

Agenten-Observability

Osservabilità agenti

Osservabilità agent

GH-AWTrace : 4,1 millions d'exécutions de workflows agentiques GitHub sous la loupeGH-AWTrace: 4.1 Million Agentic GitHub Workflow Executions Under the MicroscopeGH-AWTrace: 4,1 Millionen Ausführungen agentischer GitHub-Workflows unter der LupeGH-AWTrace: 4,1 milioni di esecuzioni di workflow agentici GitHub sotto la lenteGH-AWTrace: 4,1 milion de esecuzion di workflow agentegh de GitHub sota la lenta

Des chercheurs de l'École de Technologie Supérieure (Montréal) publient GH-AWTrace, un dataset reliant 25 014 workflows agentiques GitHub vérifiés dans 5 051 dépôts à 4 112 526 enregistrements d'exécution et 562 877 archives de logs non vides. Les logs exposent refus d'outils, pannes de providers et délégations entre agents — matière première pour l'étude des défaillances d'agents. Le paper figure sur arXiv (2611.06866), soumis le 16 novembre 2026.
Researchers at École de Technologie Supérieure (Montreal) publish GH-AWTrace, a dataset linking 25,014 verified GitHub agentic workflows across 5,051 repositories to 4,112,526 execution records and 562,877 non-empty log archives. The logs expose tool refusals, provider outages and delegations between agents — raw material for the study of agent failures. The paper appears on arXiv (2611.06866), submitted on 16 November 2026.
Forschende der École de technologie supérieure (Montréal) veröffentlichen GH-AWTrace, ein Datensatz, der 25 014 verifizierte agentische GitHub-Workflows in 5051 Repositories mit 4 112 526 Ausführungsprotokollen und 562 877 nicht-leeren Log-Archiven verknüpft. Die Logs zeigen Tool-Verweigerungen, Provider-Ausfälle und Delegationen zwischen Agenten – Rohmaterial für das Studium von Agentenausfällen. Das Paper befindet sich auf arXiv (2611.06866), eingereicht am 16. November 2026.
Dei ricercatori dell'École de Technologie Supérieure (Montréal) pubblicano GH-AWTrace, un dataset che collega 25'014 workflow agentici GitHub verificati in 5'051 repository a 4'112'526 registri di esecuzione e 562'877 archivi di log non vuoti. I log espongono rifiuti di strumenti, guasti di provider e deleghe tra agenti — materia prima per lo studio dei guasti degli agenti. Il paper figura su arXiv (2611.06866), presentato il 16 novembre 2026.
Di ricercador de l'École de Technologie Supérieure (Montréal) publichen GH-AWTrace, on dataset che 'l conliga 25.014 workflow agentegh de GitHub verificaa in 5.051 repository a 4.112.526 registr de esecuzion e 562.877 archivi de log minga voej. I log esponen refud de strument, panne de provider e delegazion tra agent — materia prima per el studi di avarii di agent. El paper el figura sora arXiv (2611.06866), sotamess el Lunes, 16 de november 2026.

Benchmark

Benchmark

Benchmark

Benchmark

Benchmark

JFinBench : un agent codeur et un humain vérificateur pour construire un benchmark financier japonaisJFinBench: A Coding Agent and a Human Verifier Build a Japanese Financial BenchmarkJFinBench: ein programmierender Agent und ein menschlicher Prüfer für einen japanischen Finanz-BenchmarkJFinBench: un agente codificatore e un umano verificatore per costruire un benchmark finanziario giapponeseJFinBench: on agent coder e on uman verificador per fà su on benchmark financier giapones

Sakana AI publie JFinBench, 321 exemples issus des éditions 2026 de six examens de certification japonais (comptabilité, fiscalité, banque), construits via un pipeline agentique avec vérification humaine de chaque exemple pour limiter la contamination. Sur 12 LLM évalués, Claude Fable 5 et GPT-6 Astra dépassent 93 % ; le meilleur open-weight, Kimi K3.1 Pro, accuse 12 points de retard. Le paper et le code sont sur arXiv (2611.18130).
Sakana AI publishes JFinBench, 321 examples drawn from the 2026 editions of six Japanese professional certification exams (accounting, taxation, banking), built via an agentic pipeline with human verification of every example to limit contamination. Of 12 LLMs evaluated, Claude Fable 5 and GPT-6 Astra exceed 93%; the best open-weight model, Kimi K3.1 Pro, trails by 12 points. The paper and code are on arXiv (2611.18130).
Sakana AI veröffentlicht JFinBench: 321 Beispiele aus den Ausgaben 2026 von sechs japanischen Zertifizierungsprüfungen (Rechnungswesen, Steuern, Bankwesen), erstellt über eine agentische Pipeline mit menschlicher Verifikation jedes Beispiels, um Kontamination zu begrenzen. Von 12 evaluierten LLMs liegen Claude Fable 5 und GPT-6 Astra über 93 %; das beste Open-Weight-Modell, Kimi K3.1 Pro, hinkt 12 Punkte hinterher. Paper und Code auf arXiv (2611.18130).
Sakana AI pubblica JFinBench, 321 esempi tratti dalle edizioni 2026 di sei esami di certificazione giapponesi (contabilità, fiscalità, banking), costruiti tramite una pipeline agentica con verifica umana di ogni esempio per limitare la contaminazione. Su 12 LLM valutati, Claude Fable 5 e GPT-6 Astra superano il 93%; il migliore open-weight, Kimi K3.1 Pro, accusa 12 punti di ritardo. Il paper e il codice sono su arXiv (2611.18130).
Sakana AI el pubblica JFinBench, 321 esempi vegnuu foeu di edizion 2026 de ses esamen de certificazion giappones (contabilità, fiscalità, banca), faa su per mej de vun pipeline agentegh con verificazion umana de ogni esempi per limità la contaminazion. Sora 12 LLM valuttaa, Claude Fable 5 e GPT-6 Astra passen oltra el 93%; el pessee open-weight, Kimi K3.1 Pro, el gh'ha 12 pont de ritard. El paper e 'l codes hinn sora arXiv (2611.18130).

Page 3 — Page 3 — Seite 3 — Pagina 3 — Pagina 3 — La RechercheThe Research DeskDie ForschungLa RicercaLa Ricerca

III. Papers du jourPapers of the DayPapers des TagesPaper del giornoPaper del dì

Sécurité multi-agents

Multi-agent safety

Multi-Agenten-Sicherheit

Sicurezza multi-agente

Sicurezza multi-agent

« Aligning AI Teams » : quand l'alignement des agents s'effondre en équipe'Aligning AI Teams': When Agent Alignment Collapses in Team Settings«Aligning AI Teams»: Wenn das Alignment von Agenten im Team zusammenbricht«Aligning AI Teams»: quando l'allineamento degli agenti crolla in squadra«Aligning AI Teams»: quand l'allineament di agent el se s'ceppa in squadra

Des travaux avec Jascha Sohl-Dickstein (anciennement OpenAI) montrent que l'entraînement d'alignement individuel ne transfère pas aux équipes d'agents : la diffusion de responsabilité explique l'essentiel de l'écart de sécurité, les agents en équipe ignorant ou rationalisant les défaillances système. Deux remèdes fonctionnent : désigner un agent « responsable sécurité » et faire publier une spécification de sécurité par un coordinateur. Le framework magelab est publié avec le paper sur arXiv (2611.17820), soumis le 16 novembre 2026.
Work involving Jascha Sohl-Dickstein (formerly of OpenAI) shows that individual alignment training does not transfer to agent teams: diffusion of responsibility explains most of the safety gap, with agents in teams ignoring or rationalising system failures. Two remedies work: designating a "safety lead" agent, and having a coordinator publish a safety specification. The magelab framework is released alongside the paper on arXiv (2611.17820), submitted on 16 November 2026.
Arbeiten mit Jascha Sohl-Dickstein (ehemals OpenAI) zeigen, dass individuelles Alignment-Training nicht auf Agenten-Teams überträgt: Die Diffusion der Verantwortung erklärt den Grossteil des Sicherheitsabstands, Agenten im Team ignorieren oder rationalisieren Systemausfälle. Zwei Mittel wirken: einen Agenten als «Sicherheitsverantwortlichen» benennen und eine Sicherheits-Spezifikation durch einen Koordinator veröffentlichen lassen. Das Framework magelab erscheint zusammen mit dem Paper auf arXiv (2611.17820), eingereicht am 16. November 2026.
Dei lavori con Jascha Sohl-Dickstein (in precedenza OpenAI) mostrano che l'addestramento all'allineamento individuale non si trasferisce alle squadre di agenti: la diffusione di responsabilità spiega gran parte del divario di sicurezza, con gli agenti in squadra che ignorano o razionalizzano i guasti di sistema. Due rimedi funzionano: designare un agente «responsabile sicurezza» e far pubblicare una specifica di sicurezza da parte di un coordinatore. Il framework magelab è pubblicato con il paper su arXiv (2611.17820), presentato il 16 novembre 2026.
Di lavorà con Jascha Sohl-Dickstein (prima de OpenAI) mostren che l'adestrament de allineament individuai el se trasferiss minga ai squadr de agent: la diffusion de responsabil la spiega el sostanz de la diffenza de sicurezza, e i agent in squadra ignoren o razionalizen i avarii de sistema. Dò remedi fonzionen: nominà on agent «responsabel sicurezza» e fà pubblicà vuna specificazion de sicurezza de part de on coordinator. El framework magelab l'è publicaa cont el paper sora arXiv (2611.17820), sotamess el Lunes, 16 de november 2026.

Méta-science

Meta-science

Meta-Wissenschaft

Meta-scienza

Meta-scienza

Les reviewers IA piochent la moitié de leurs critiques dans l'annexe des papiersAI Reviewers Draw Half Their Criticisms From Papers' AppendicesKI-Reviewer schöpfen die Hälfte ihrer Kritik aus dem Anhang der PapersI reviewer IA pescano metà delle loro critiche nell'appendice dei paperI reviewer IA caven foeu la metà di so critich de l'anness di paper

Une analyse de 2 000 papers d'ACL, EMNLP, COLM et ICLR montre que les derniers modèles GPT et Claude tirent environ 50 % ou plus de leurs « faiblesses » identifiées de l'annexe — contre 8,4 % seulement pour les humains, qui visent la présentation et l'idée centrale. Le biais tient quel que soit le mode d'accès (API, agent de code, web). Le code est sur arXiv (2611.17811) et sur GitHub.
An analysis of 2,000 papers from ACL, EMNLP, COLM and ICLR shows that the latest GPT and Claude models draw roughly 50% or more of their identified "weaknesses" from the appendix — versus just 8.4% for humans, who focus on the presentation and the central idea. The bias holds regardless of access mode (API, coding agent, web). The code is on arXiv (2611.17811) and on GitHub.
Eine Analyse von 2000 Papers der ACL, EMNLP, COLM und ICLR zeigt, dass die neuesten GPT- und Claude-Modelle rund 50 % oder mehr ihrer identifizierten «Schwächen» aus dem Anhang ziehen – gegenüber bloss 8,4 % bei Menschen, die Präsentation und Kernidee ins Visier nehmen. Die Verzerrung hält unabhängig vom Zugriffsmodus (API, Coding-Agent, Web). Der Code ist auf arXiv (2611.17811) und auf GitHub.
Un'analisi di 2'000 paper di ACL, EMNLP, COLM e ICLR mostra che gli ultimi modelli GPT e Claude traggono circa il 50% o più delle loro «debolezze» individuate dall'appendice — contro appena l'8,4% per gli umani, che puntano alla presentazione e all'idea centrale. Il bias regge qualunque sia la modalità di accesso (API, agente di codice, web). Il codice è su arXiv (2611.17811) e su GitHub.
Vuna analisi de 2.000 paper de ACL, EMNLP, COLM e ICLR la mostra che i ultem modell GPT e Claude caven foeu circa el 50% o pussee di so «debolz» identificaa de l'anness — contre domà l'8,4% per i uman, che tiren a la presentazion e a l'idea central. El bias el ten qual che sia la manera de aces (API, agent de codes, web). El codes l'è sora arXiv (2611.17811) e in su GitHub.

Agents généralistes

Generalist agents

Generalisten-Agenten

Agenti generalisti

Agent generalista

Gamer : un agent vision-langage-action jouant aux jeux 3D open-world en temps réelGamer: A Vision-Language-Action Agent Playing Open-World 3D Games in Real TimeGamer: ein Vision-Language-Action-Agent spielt 3D-Open-World-Spiele in EchtzeitGamer: un agente visione-linguaggio-azione che gioca a giochi 3D open-world in tempo realeGamer: on agent vision-lengoeu-azion che 'l gioega ai gioeugh 3D open-world in temp real

Un collectif chinois publie Gamer, modèle fondation VLA entraîné sur des dizaines de milliers d'heures de trajectoires clavier-souris, avec fine-tuning « sparse-thinking » et RL multi-tours stable. Sur plusieurs jeux 3D open-world, l'agent affiche une efficacité comparable à des joueurs expérimentés ; le repo GitHub compte déjà 124 étoiles. Paper et code : arXiv 2611.18397, 23 upvotes aux Daily Papers du 16 novembre.
A Chinese collective publishes Gamer, a vision-language-action foundation model trained on tens of thousands of hours of keyboard-and-mouse trajectories, with "sparse-thinking" fine-tuning and stable multi-turn RL. Across several open-world 3D games, the agent shows efficiency comparable to experienced players; the GitHub repo already counts 124 stars. Paper and code: arXiv 2611.18397, 23 upvotes on the Daily Papers of 16 November.
Ein chinesisches Kollektiv veröffentlicht Gamer, ein VLA-Foundation-Modell, trainiert auf Zehntausenden von Stunden Tastatur-Maus-Trajektorien, mit «Sparse-Thinking»-Fine-Tuning und stabilem Multi-Turn-RL. Auf mehreren 3D-Open-World-Spielen erreicht der Agent eine Effizienz vergleichbar mit erfahrenen Spielern; das GitHub-Repo zählt bereits 124 Sterne. Paper und Code: arXiv 2611.18397, 23 Upvotes bei den Daily Papers vom 16. November.
Un collettivo cinese pubblica Gamer, modello fondazione VLA addestrato su decine di migliaia di ore di traiettorie tastiera-mouse, con fine-tuning «sparse-thinking» e RL multi-turno stabile. Su diversi giochi 3D open-world, l'agente mostra un'efficacia paragonabile a giocatori esperti; il repo GitHub conta già 124 stelle. Paper e codice: arXiv 2611.18397, 23 upvote ai Daily Papers del 16 novembre.
On collettiv cines el pubblica Gamer, modell fondazion VLA adestraa sora desen de migiaja d'or de traiettori tastiera-mouse, cont fine-tuning «sparse-thinking» e RL multi-turn stabil. Sora divers gioeugh 3D open-world, l'agent el mostra vuna eficacia paragonabila a gioeugh espert; el repo GitHub el gh'ha gemò 124 stell. Paper e codes: arXiv 2611.18397, 23 upvote ai Daily Papers del 16 de november.

Vidéo générative

Generative video

Generative Video

Video generativa

Video generativa

JVT : la diffusion vidéo en espace pixel sans autoencodeur, juste un TransformerJVT: Pixel-Space Video Diffusion With No Autoencoder, Just a TransformerJVT: Videodiffusion im Pixelraum ohne Autoencoder – nur ein TransformerJVT: la diffusione video in spazio pixel senza autoencoder, solo un TransformerJVT: la diffusion video in spazzi pixel senza autoencoder, domà on Transformer

JVT (Just Video Transformer) montre qu'un DiT à larges patches suffit pour la diffusion vidéo en espace pixel : ni autoencodeur pré-entraîné, ni étapes en cascade, ni connexions U-Net. La qualité rivalise les baselines de diffusion latente et la formulation supporte nativement la génération conjointe RGB-disparité conditionnée caméra. 7 upvotes aux Daily Papers du 16 novembre ; paper sur arXiv (2611.18549), code sur GitHub.
JVT (Just Video Transformer) shows that a large-patch DiT is sufficient for pixel-space video diffusion: no pre-trained autoencoder, no cascaded stages, no U-Net connections. Quality rivals latent diffusion baselines, and the formulation natively supports camera-conditioned joint RGB-disparity generation. 7 upvotes on the Daily Papers of 16 November; paper on arXiv (2611.18549), code on GitHub.
JVT (Just Video Transformer) zeigt, dass ein DiT mit grossen Patches für Videodiffusion im Pixelraum genügt: kein vortrainierter Autoencoder, keine Kaskadenschritte, keine U-Net-Verbindungen. Die Qualität hält den latenz-diffusionsbasierten Baselines stand, und die Formulierung unterstützt nativ die kamerakonditionierte RGB-Disparität-Generierung. 7 Upvotes bei den Daily Papers vom 16. November; Paper auf arXiv (2611.18549), Code auf GitHub.
JVT (Just Video Transformer) mostra che un DiT a patch ampie basta per la diffusione video in spazio pixel: né autoencoder pre-addestrato, né passaggi a cascata, né connessioni U-Net. La qualità rivaleggia con le baseline di diffusione latente e la formulazione supporta nativamente la generazione congiunta RGB-disparità condizionata alla camera. 7 upvote ai Daily Papers del 16 novembre; paper su arXiv (2611.18549), codice su GitHub.
JVT (Just Video Transformer) el mostra che on DiT con patch largh el basta per la diffusion video in spazzi pixel: né autoencoder pre-adestraa, né tappe a cascada, ni conligament U-Net. La qualità la se paragona ai baseline de diffusion latent e la formulazion la supporta nativament la generazion congiunta RGB-disparità condizionada a la fotocamera. 7 upvote ai Daily Papers del 16 de november; paper sora arXiv (2611.18549), codes in su GitHub.

Page 4 — Page 4 — Seite 4 — Pagina 4 — Pagina 4 — La Communauté & ÉditoCommunity & OpinionCommunity & EditorialLa Comunità & EditorialeLa Comunità & Erito

IV. Signaux & tribuneSignals & Op-EdSignale & TribüneSegnali & tribunaSegnai & tribuna

Hacker News

Hacker News

Hacker News

Hacker News

Hacker News

Le débat communautaire du jour : Qwen4-Max face au mur des benchmarksToday's Community Debate: Qwen4-Max Against the Benchmark WallDie Community-Debatte des Tages: Qwen4-Max vor der Benchmark-MauerIl dibattito comunitario del giorno: Qwen4-Max di fronte al muro dei benchmarkEl dibattit comunitari del dì: Qwen4-Max denanz al mur di benchmark

Le fil Hacker News sur Qwen4-Max (304 points, 103 commentaires en quelques heures, le 16 novembre 2026) cristallise la lassitude d'une partie de la communauté devant les courses aux benchmarks. La discussion mêle scepticisme méthodologique sur les évaluations auto-publiées et débats de pricing API — un symptôme de maturité du marché des modèles frontière.
The Hacker News thread on Qwen4-Max (304 points, 103 comments within hours on 16 November 2026) crystallises part of the community's fatigue with benchmark races. The discussion mixes methodological scepticism about self-published evaluations with debates over API pricing — a symptom of maturity in the frontier model market.
Der Hacker-News-Thread zu Qwen4-Max (304 Punkte, 103 Kommentare innert weniger Stunden am 16. November 2026) kristallisiert die Ermüdung eines Teils der Community gegenüber den Benchmark-Wettläufen aus. Die Diskussion mischt methodologischen Skeptizismus gegenüber selbstveröffentlichten Evaluationen mit API-Preis-Debatten – ein Reifungssymptom des Frontier-Modellmarkts.
Il thread Hacker News su Qwen4-Max (304 punti, 103 commenti in poche ore, il 16 novembre 2026) cristallizza la stanchezza di una parte della comunità di fronte alle corse ai benchmark. La discussione mescola scetticismo metodologico sulle valutazioni auto-pubblicate e dibattiti sul pricing API — un sintomo di maturità del mercato dei modelli di frontiera.
El fil Hacker News sora Qwen4-Max (300 pont, 103 comment in quij or lì, el Lunes, 16 de november 2026) el cristallizza la stofega de vuna part de la comunità denanz ai cors ai benchmark. La discussion la mes'cia sceticism metodolegh sora i valutazion autopublicaa e dibattit de pricing API — on sintom de maturità del mercaa di modell frontier.

V. ÉditoEditorialLeitartikelEditorialeEdito

Édito de la rédaction

Editorial

Redaktionelles Leitartikel

Editoriale della redazione

Edito de la redazion

La science comme prochain terrain de jeu des labos frontièreScience as the Next Battleground for Frontier LabsWissenschaft als nächstes Tummelfeld der Frontier-LaborsLa scienza come prossimo terreno di gioco dei laboratori di frontieraLa scienza compagne prossim terren de gioeugh di labo frontier

Le 15 novembre 2026, OpenAI a choisi la physique théorique pour sa vitrine : une définition candidate du Modèle Standard sur réseau, co-construite avec GPT-6 Astra, accompagnée d'un blog scientifique dédié. Le geste n'est pas anodin. Après une année de batailles sur les agents, les portefeuilles et les benchmarks auto-publiés — dont le lancement de Qwen4-Max le 16 novembre est la énième illustration —, la course à la crédibilité se déplace vers des terrains où la vérité est vérifiable : une preuve, une molécule validée en laboratoire comme les 61,5 % de taux de succès de Bonbon, un benchmark construit avec vérification humaine comme JFinBench. C'est là que le prochain classement des labos se jouera : pas sur les échelles de scores, mais sur la capacité à faire tenir une promesse scientifique. La nouvelle publication d'OpenAI en donne le signal le plus clair à ce jour.
On 15 November 2026, OpenAI chose theoretical physics for its showcase: a candidate lattice definition of the Standard Model, co-constructed with GPT-6 Astra, accompanied by a dedicated science blog. The gesture is not trivial. After a year of battles over agents, wallets and self-published benchmarks — of which the 16 November launch of Qwen4-Max is yet another illustration — the race for credibility is shifting toward terrain where truth is verifiable: a proof, a molecule validated in the lab like Bonbon's 61.5% success rate, a benchmark built with human verification like JFinBench. That is where the next ranking of labs will be decided: not on leaderboards of scores, but on the ability to make a scientific promise hold. OpenAI's new publication sends the clearest signal to date.
Am 15. November 2026 wählte OpenAI die theoretische Physik als Schaufenster: eine kandidatische Definition des Standardmodells auf dem Gitter, mitkonstruiert von GPT-6 Astra, begleitet von einem eigenen Wissenschafts-Blog. Der Schritt ist kein Zufall. Nach einem Jahr Gefechte um Agenten, Portfolios und selbstveröffentlichte Benchmarks – deren jüngste Illustration der Qwen4-Max-Launch vom 16. November ist – verlagert sich der Wettlauf um Glaubwürdigkeit auf Terrain, wo Wahrheit überprüfbar ist: ein Beweis, ein im Labor validiertes Molekül wie Bonbons 61,5 % Erfolgsquote, ein mit menschlicher Verifikation gebauter Benchmark wie JFinBench. Dort wird sich das nächste Ranking der Labors entscheiden: nicht auf Punkteskalen, sondern in der Fähigkeit, ein wissenschaftliches Versprechen zu halten. OpenAIs neue Publikation liefert dazu bislang das deutlichste Signal.
Il 15 novembre 2026, OpenAI ha scelto la fisica teorica come sua vetrina: una definizione candidata del Modello Standard su reticolo, co-costruita con GPT-6 Astra, accompagnata da un blog scientifico dedicato. Il gesto non è banale. Dopo un anno di battaglie sugli agenti, sui portafogli e sui benchmark auto-pubblicati — di cui il lancio di Qwen4-Max il 16 novembre è l'ennesima illustrazione —, la corsa alla credibilità si sposta su terreni dove la verità è verificabile: una prova, una molecola convalidata in laboratorio come il 61,5% di tasso di successo di Bonbon, un benchmark costruito con verifica umana come JFinBench. È lì che si deciderà la prossima classifica dei laboratori: non sulle scale di punteggi, ma sulla capacità di mantenere una promessa scientifica. La nuova pubblicazione di OpenAI ne dà finora il segnale più chiaro.
El Dumenega, 15 de november 2026, OpenAI l'ha scernii la fisica teorica per la soa vitrina: vuna definizion candidada del Modell Standard in su la red, costruida insema a GPT-6 Astra, compagna de on blog scentifegh dedicaa. El gest l'è minga bagaj. Dopo on ann de battaj sora i agent, i portafogli e i benchmark autopublicaa — de che el lanz de Qwen4-Max el 16 de november l'è l'ultema ilustrazion —, la corsa a la credibilità la se sposta vers di terren indoa la verità l'è verificabila: vuna prova, vuna molecola validada in laboratori compagna di 61,5% de tass de success de Bonbon, on benchmark faa su con verificazion umana compagna de JFinBench. L'è chì che 'l prossim classifega di labo el se gioeugherà: minga sora i scjal de pontegg, ma sora la capacità de fà tegnì vuna promessa scentifega. La noeuva publicazion de OpenAI en dà el segnall pussee ciar fin adess.