$NEAR Le cofondateur Illia Polosukhin a lancé Delta League, une compétition publique qui invite chacun à soumettre des améliorations à un modèle d'intelligence artificielle ouvert. La plateforme est annoncée par @ilblackdragon et est alimentée par @near_ai pour l'écosystème @NEARProtocol ($NEAR).
Comment fonctionne Delta League
Les participants soumettent des modifications aux poids d'un modèle, c'est-à-dire aux valeurs numériques qui déterminent ses réponses. Selon le site web de Delta League, les participants peuvent soumettre un LoRA, une différence de poids éparse ou dense, ou un point de contrôle complet, et chaque modification conserve la lignée de son modèle. La plateforme vérifie les poids, puis lance des validations et des tests privés afin que les participants puissent comparer leurs scores avec ceux du modèle d'origine.
Chaque modification est évaluée sur un ensemble de tests caché, et chaque version vérifiée reste ouverte afin que d'autres puissent s'appuyer dessus. Cela permet aux contributeurs de prolonger des travaux antérieurs plutôt que de repartir de zéro, chaque changement étant enregistré par rapport au modèle qu'il a modifié.
Le premier test porte sur Qwen3.5 0.8B, un petit modèle ouvert. Cinq modifications vérifiées ont jusqu'ici fait passer son score de 18,6 % à 19 %. Le gain est modeste, mais il montre que le processus de vérification fonctionne sur un modèle en production.
Qwen3.5 est une famille de modèles à poids ouverts d'Alibaba. L'entrée de Wikipédia consacrée à Qwen indique qu'Alibaba a publié en février 2026 le modèle Qwen3.5 à poids ouverts.
La suite
La prise en charge de la modification des architectures de modèles et des tests personnalisés pour les entreprises suivra dans les prochains jours. Autoriser les modifications de l'architecture d'un modèle, et pas seulement de ses poids, élargirait la gamme de contributions que le concours peut accepter. Les tests personnalisés permettraient aux entreprises de mesurer les modifications sur leurs propres tâches.
Ce lancement s'inscrit dans le travail plus large de Polosukhin sur une IA ouverte et détenue par ses utilisateurs. Il est coauteur de l'article de 2017 « Attention Is All You Need », qui a introduit l'architecture Transformer, et dirige désormais des travaux chez $NEAR AI, selon Fast Company. Dans un entretien en podcast résumé par Open Commons, il a soutenu que la publication des seuls poids d'un modèle ne fait pas d'un système d'IA un logiciel libre, et que une véritable ouverture exige aussi l'accès aux données d'entraînement, aux recettes et à la méthodologie.
Delta League teste une autre voie d'amélioration : des modifications vérifiées et issues de la participation collective, apportées à un modèle partagé, dont les résultats sont évalués sur des données que les participants ne peuvent pas voir. Il reste à démontrer jusqu'où cette approche peut améliorer des modèles plus grands, et les premiers résultats sont modestes.
Sources
