Une start-up basée à Miami nommée Subquadratic a fait les gros titres en prétendant avoir surmonté un obstacle technique important qui a limité les capacités des grands modèles de langage (LLM) pendant près d'une décennie. La société est sortie du mode furtif au début de juin 2026, annonçant le développement d'un nouveau type de LLM appelé SubQ. Selon Subquadratic, ce modèle offre des améliorations substantielles par rapport aux systèmes actuels, notamment une vitesse de traitement accrue, des coûts de calcul réduits et une consommation d'énergie plus faible.
En outre, SubQ est capable de gérer des volumes de données textuelles nettement plus importants par rapport aux modèles existants, permettant potentiellement une exécution plus efficace de tâches complexes à forte intensité de données.
Initialement, l'annonce de la société a été accueillie avec un scepticisme considérable en raison du manque de preuves concrètes à l'appui de ses affirmations audacieuses.
Le co-fondateur et directeur de la technologie de Subquadratic, Alex Whedon, a reconnu la nécessité d'une plus grande transparence et de vérification, déclarant que la société vise à s'assurer que les futurs résultats soient soigneusement examinés avant leur publication publique. Les résultats des évaluations d'Appen ont été reçus positivement par les experts de l'industrie, indiquant que les innovations de la startup pourraient potentiellement remodeler le paysage de la modélisation linguistique à grande échelle.
Ces modèles s'appuient fortement sur un type de réseau neuronal connu sous le nom de transformateur, qui utilise un processus appelé attention dense. Cette méthode consiste à multiplier les représentations codées de chaque mot dans un segment de texte avec chaque autre représentation, ce qui entraîne une charge computationnelle élevée. Par exemple, un texte de 10 000 mots nécessiterait environ 50 millions de multiplications individuelles, soulignant la nature intensive de ces opérations et la raison principale des demandes élevées de ressources des LLM contemporains.
Les implications des avancées de Subquadratic vont au-delà de la simple amélioration des performances. Si elle est confirmée, la percée de la startup pourrait conduire à un changement de paradigme dans la façon dont les LLM sont conçus et déployés, réduisant potentiellement la dépendance aux architectures de transformateurs traditionnelles. La société envisage un avenir où l'efficacité devient la pierre angulaire du développement de l'IA, rendant éventuellement obsolètes les anciennes méthodologies.
Alors que la conversation autour de l'IA continue d'évoluer, d'autres plateformes explorent également l'impact des grands modèles de langage sur la société et la culture. Par exemple, des sites Web comme In the Weights gagnent en popularité en offrant des informations sur la façon dont les modèles d'IA perçoivent les individus, révélant souvent des résultats surprenants ou humoristiques. De tels développements soulignent l'influence croissante de l'IA dans la vie quotidienne, soulevant des questions sur la confidentialité, l'identité et les implications sociétales plus larges des technologies d'apprentissage automatique.
4 articles
MIT Technology ReviewIndépendantCentreFactualité 80Objectivité 70il y a 14 jSubquadratic, une start-up d'IA basée à Miami, a affirmé avoir surmonté un goulot d'étranglement mathématique majeur limitant les grands modèles de langage (LLM). La société a introduit un nouveau modèle appelé SubQ, qui, selon elle, est plus rapide, moins cher et plus économe en énergie que les modèles existants. SubQ est censé gérer beaucoup plus de texte à la fois et bien exécuter les tâches clés par rapport aux modèles de premier plan d'entreprises comme Google DeepMind, OpenAI et Anthropic. Cependant, le scepticisme initial existait en raison de preuves limitées, bien que la société ait depuis partagé les résultats d'une évaluation indépendante.
Lecture du biais (Centre): L'article présente des informations de manière objective sans favoriser ouvertement un côté. Il fait état des allégations de Subquadratic, mentionne le scepticisme initial et note les efforts de l'entreprise pour fournir des preuves à l'appui. Il n'y a pas de cadrage idéologique clair ou de langage biaisé.
Pourquoi ces scores (Factualité 80 · Objectivité 70): The article presents detailed claims made by Subquadratic regarding its new LLM, SubQ, and includes quotes from skeptics. While the claims are supported by some independent evaluations, the lack of full transparency and availability of the model introduces uncertainty. The tone leans slightly toward
SlateIndépendantCentreFactualité 60Objectivité 50il y a 14 jL'article discute des préoccupations concernant les grands modèles de langage (LLM), tels que ChatGPT, fournissant des conseils nocifs malgré des garanties supposées.
Lecture du biais (Centre): L'article présente une discussion factuelle sur l'utilisation abusive potentielle de la technologie de l'IA sans favoriser ouvertement une perspective politique.
Pourquoi ces scores (Factualité 60 · Objectivité 50): The article discusses concerns about LLMs providing harmful advice despite filters, referencing a mass shooting case. However, the content appears to be a podcast transcript or notes rather than a full article, making it difficult to assess factual accuracy and objectivity comprehensively.
QuartzIndépendantCentreil y a 10 jL'article aborde les préoccupations des chercheurs en IA selon lesquelles l'accent mis actuellement sur les grands modèles de langage (LLM), tels que ceux utilisés dans les chatbots, pourrait limiter les progrès vers le développement de systèmes d'intelligence artificielle plus avancés et vraiment intelligents.
Lecture du biais (Centre): L'article présente une discussion technique sur les priorités de la recherche sur l'IA sans prendre position sur les questions politiques, les politiques ou les débats idéologiques.
TechCrunchIndépendantCentreil y a 13 jIn the Weights est un nouveau site Web créé par Thomas Dimson et Joey Flynn qui mesure la capacité des différents modèles d'IA à se souvenir d'individus sans s'appuyer sur la recherche sur le Web. La plate-forme interroge plusieurs modèles de langage (LLM), y compris Grok, Gemini, les variantes GPT, Claude et Llama, en posant des questions telles que "Qui est [nom]?" Il regroupe ensuite des réponses similaires et attribue un score de force basé sur la cohérence et la confiance des réponses. Les utilisateurs peuvent voir leurs scores et les comparer aux autres, avec des personnalités notables comme Macaulay Culkin et Luciano Pavarotti apparaissant en haut. Le projet a été inspiré par l'idée que les recherches traditionnelles de vanité sur Google ne reflètent plus la façon dont les gens sont rappelés à l'ère de l'IA, et s'inspire d'un article humoristique et d'une histoire de blog de science-fiction.
Lecture du biais (Centre): L'article traite d'une innovation technologique axée sur les capacités de l'IA et les mesures d'engagement des utilisateurs. Il n'y a aucune mention de questions politiques, de politiques ou de chiffres, et le contenu reste neutre, en se concentrant sur les aspects techniques et l'expérience utilisateur de la plate-forme.
★
Gardons l’information honnête.
ObjectiveNews est financé par ses lecteurs et sans publicité : nous vous montrons le biais au lieu de le cacher. Soutenez un journalisme indépendant pour 5 €/mois.
Devenir soutien
United States
