Xiaomi Research released Xiaomi-OCR-0, a 0.8-billion-parameter model for document understanding and OCR under the Apache-2.0 license. The company says it competes with larger systems on several document benchmarks. Built on Qwen3.5-0.8B-Base, the model supports page parsing, text extraction from selected regions, schema-based information extraction, and visual question answering. Xiaomi reports training on roughly 170 million samples and a mean score of 83.2 across five OCR-VQA benchmarks.
Stanford researchers tested 50 widely cited claims about LLMs on 20 models. They classified 44% of the claims as expired and another 34% as significantly weakened. The analysis covered models released between July 2024 and September 2026. The 22 findings assigned an estimated expiration date lasted an average of 15.7 months. All nine reasoning findings had weakened or expired, while some claims about preferences and tendencies persisted longer.
OpenAI a publié des données sur l’utilisation au travail couvrant 165 activités et près de 100 pays. Les messages d’entreprise et l’utilisation de Codex sont exclus.
Ai2 a publié OlmoEarth v1.3, avec des représentations vectorielles satellitaires mondiales et un explorateur accessible depuis un navigateur. Les outils permettent d’explorer l’évolution dans le temps et de trouver des lieux similaires dans les données satellitaires.
Google DeepMind et ses partenaires ont publié une carte distinguant les types de forêts et d’utilisation des terres. Forest Typology 2020 catégorise des parcelles de terrain de dix mètres, ce qui aide à distinguer les forêts naturelles, les plantations et les terres agricoles.
NVIDIA a enrichi Nemotron Retriever avec des modèles d’intégration vectorielle, de reclassement et d’analyse de documents. Cette version vise à aider les agents d’entreprise à trouver des éléments pertinents et à extraire le contenu des documents.
Anthropic a présenté Claude Haiku 5.5 pour les tâches rapides à grand volume. L’entreprise met en avant la synthèse, la classification et le service client ; ses affirmations sur les performances doivent être testées à l’aide de vos propres exemples.
AT&T has released OTel 2.0 on Hugging Face, a 31B model based on Gemma 4 and post-trained on 440B tokens of telecom standards data. The source describes QLoRA training efficiency but gives no further details. OTel 2.0 is presented as an open model specialized for telecommunications. The source does not provide additional information about its QLoRA setup.
Hugging Face a présenté la prise en charge native des TPU via le backend TorchTPU. L’intégration apporte Transformers, Diffusers et Kernels aux flux de travail PyTorch utilisant des appareils TPU.
Le cours LLM de Hugging Face présente les modèles de langage et les outils qui les entourent. Le cours aborde les Transformers, les jeux de données, les tokenizers et les sujets liés à l’entraînement ; il s’agit d’une ressource pédagogique, et non d’une actualité de dernière minute.
