Cette interface, appelée « interface de démonstration polyvalente », permet d’apprendre une tâche en utilisant l’une des trois méthodes : téléopération, kinesthésie ou démonstration naturelle.

Equipée de capteurs et d’une caméra, elle peut s’attacher à divers bras robotiques collaboratifs, offrant ainsi une flexibilité dans la manière dont les utilisateurs peuvent interagir avec le robot.

Lors d’une expérimentation, des experts manufacturiers ont testé l’interface en utilisant les trois méthodes pour enseigner des tâches courantes en milieu industriel.

Les résultats ont montré une préférence pour la méthode de démonstration naturelle.

Initialement en négociations avec OpenAI, l’accord s’est effondré lorsque Google DeepMind a recruté des dirigeants clés de Windsurf.

Ce mouvement, communément appelé « acquihire inversé », vise à contourner les restrictions antitrust en intégrant des talents plutôt qu’en acquérant des startups.

Wang a comparé cette situation à celle d’un capitaine abandonnant son équipage sur un navire en détresse, soulignant la déception et l’inquiétude parmi les employés lors d’une réunion cruciale.

Malgré la perte de membres essentiels de l’équipe, Wang a exprimé sa confiance en la continuité de Windsurf, qui conserve ses talents et sa propriété intellectuelle.

Après un week-end de négociations fébriles, l’accord avec Cognition a culminé par un engagement à soutenir les employés restants, leur assurant des paiements et d’autres compensations.

Alors que les cyberattaques évoluent, l’exploitation de failles logicielles demeure une méthode privilégiée pour infiltrer des systèmes.

Traditionnellement, la création d’exploits nécessitait des compétences pointues en programmation et en systèmes d’exploitation.

Cependant, des chercheurs ont démontré que deux LLM, ChatGPT et Llama 2, pourraient interagir pour générer automatiquement des exploits, même sans expertise profonde préalable.

Dans leurs expériences, les chercheurs ont orchestré des conversations entre les LLM pour analyser des programmes vulnérables, identifier des failles, et finalement produire un code d’exploit fonctionnel pour une attaque de type débordement de tampon.

Bien que les résultats soient préliminaires, ils suggèrent que cette méthode pourrait mener à une automatisation accrue des tests de pénétration et de l’évaluation des vulnérabilités.