Microsoft Research a publié un article démontrant qu’un modèle d’IA de 4 milliards de paramètres, entraîné avec une approche appelée SocialRL, peut négocier aussi bien ou mieux que des modèles beaucoup plus volumineux. Le modèle a obtenu un score d’utilité moyen de 0,627 sur six domaines de négociation, surpassant GPT-4.1 (0,625), GPT-5.1 (0,619) et GPT-5.2 (0,613). L’innovation centrale repose sur une approche de reinforcement learning en cascade qui consolide les compétences de plusieurs modèles spécialisés en un seul système unifié. Le changement comportemental est remarquable : avant l’entraînement SocialRL, seulement 3 % des ouvertures d’acheteurs étaient stratégiquement ancrées en dessous des valeurs cibles, contre 78 % après l’entraînement. L’objectif de cette recherche est de créer des agents alignés sur les intérêts de leur utilisateur, capables de retenir des informations, d’ancrer agressivement et de faire des concessions uniquement lorsque cela sert l’utilité globale.
Source: Lire l’article original
