Une IA de séries temporelles doit rivaliser avec un concurrent étonnamment solide : le même jour de la semaine précédente. Un petit retour en arrière explique ce qui rend une prévision équitable.
Une préversion d'API, des poids annoncés et un paquet local qui fonctionne réellement sont trois états différents. Un petit outil de fichiers montre comment consigner sans ambiguïté un téléchargement ultérieur.
Avec l'IA d'image locale, la reconnaissance d'objets, la localisation spatiale et la lecture exacte sont des tâches différentes. Trois images que vous créez vous-même montrent comment les distinguer.
Une transcription conserve aussi le chiffre que quelqu'un corrige aussitôt. Les horodatages et les segments de locuteurs aident à en faire un accord traçable.
Les longues tâches d'agent échouent souvent à cause d'une condition qui se perd en cours de route. Un planning d'atelier changeant montre clairement de quoi traite le rapport d'architecture de StepFun.
Une Mini App exige plus qu'une jolie page. Un minuscule serveur d'état local rend concrète la différence entre affichage, stockage et action d'un agent.
Pour les agents, ce qui compte, c'est l'effort nécessaire pour obtenir un résultat exploitable. Trois bons de livraison contradictoires constituent un meilleur point de départ qu'un simple prix par token.
Un modèle peut apparaître auprès de plusieurs services. L'actualité de GLM montre pourquoi l'identifiant du modèle, le contrat d'API et l'accès aux outils doivent figurer sur des fiches séparées.
Search trouve des candidats, Fetch fournit le contenu des pages. Une petite expérience de recherche montre pourquoi il faut relier la question, le passage source et l'affirmation pour obtenir un agent exploitable.
Un agent de codage doit garder ensemble le diagnostic, la modification et la preuve. Un petit bug de tri montre comment confier concrètement un travail d'IA plus long sans lui remettre d'emblée tout le projet.