Des chercheurs proposent SOLAR, un agent autonome capable d'apprendre en continu sans les travers des modèles actuels. Le problème : les LLM déploiés en production craquent face aux données qui changent. Ils oublient ce qu'ils savaient (catastrophic forgetting) ou demandent des ajustements manuels coûteux et sans fin.
SOLAR joue sur du meta-learning au niveau des poids : l'agent traite ses propres paramètres comme un terrain d'exploration pour s'auto-optimiser. Pas de fine-tuning classique, pas de données étiquetées massives. Il s'adapte à des flux continus et non-stationnaires en temps réel.
Moins de dépendance à l'intervention humaine..
C'est une réponse directe aux limites du déploiement en monde réel. Les LLM aujourd'hui sont gelés à l'inférence ou demandent des cycles de réentraînement ruineux. SOLAR propose une forme de plasticité pérenne : l'IA qui évolue sans régression.
Si ça tient ses promesses, c'est un levier pour les systèmes d'IA en production constamment exposés à du nouveau — recommandations, détection d'anomalies, support client multilingue. Moins de dépendance à l'intervention humaine.