IA & ML · 19 juin
Arbor bat Claude Code et Codex par 2,5x avec le même budget de calcul. Le goulot d'étranglement n'a jamais été le matériel.
Un nouveau framework open-source développé par l'Université Renmin et Microsoft Research montre que c'est une organisation plus intelligente des hypothèses, et non une plus grande puissance de calcul, qui manquait à l'optimisation par IA.
- Arbor surpasse Claude Code et Codex de 2,5 fois sur un calcul identique en structurant les hypothèses sous forme d'arbre plutôt que d'une liste plate de suppositions.
- Le véritable goulot d'étranglement dans l'optimisation par IA est souvent l'attribution, et non le calcul. Isoler les expériences afin que les échecs enseignent plutôt qu'ils ne contaminent est l'idée centrale.
- Arbor est open source et disponible sur arXiv dès maintenant. Si vous développez des agents IA en production, l'architecture mérite d'être étudiée directement.