La route de diplôme est le mécanisme, pas la thèse

Le 2026 BAIR Graduate Showcase liste 31 doctorats de Berkeley et, à côté de chaque nom, une seule ligne qui compte plus que le titre de la thèse : où ils vont ensuite. Lue mécaniquement, cette ligne est une table de routage. Le mécanisme qui transforme une dissertation en système déployé est la route — Physical Intelligence, OpenAI, Anthropic, Waymo, une ligne de faculté à UCLA, une startup, ou « looking for » — et non le résumé. Une thèse ne devient une capacité de production que lorsqu'elle atterrit dans une organisation qui peut l'implémenter et la mesurer.

C'est la lecture honnête du 2026 BAIR Graduate Showcase (Berkeley Artificial Intelligence Research Lab, juillet 2026). Le showcase est une célébration, et il doit l'être. Mais pour quiconque construit des systèmes à partir de recherche, c'est aussi une carte des mécanismes qui survivent au voyage du banc au déploiement, et de ceux qui attendent encore une adresse de destination.

La ligne « what's next » est le champ de routage

Chaque entrée du showcase porte les deux mêmes champs : un résumé de recherche (l'adresse source) et une ligne « what's next » (l'adresse de destination). Les résumés couvrent la robotique, les grands modèles de langage, la sécurité de l'IA, la modélisation générative, l'IA pour la science et l'interaction humain-IA. Les destinations sont le signal qui porte tout.

Environ un tiers de la promotion — au moins dix des 31 diplômés — liste sa prochaine ligne comme « Looking for ». Ce sont des paquets non routés. Leur recherche existe, elle a été défendue, et elle attend encore une organisation capable d'implémenter le mécanisme, de l'instrumenter et de mesurer si la propriété qu'il revendique tient réellement sous charge. Les deux autres tiers sont routés : vers Physical Intelligence (Baifeng Shi, Kevin Black), OpenAI (Hanlin Zhu), Anthropic (Lisa Dunlap), Thinking Machines Lab (Long « Tony » Lian), xAI (Xiuyu Li), Waymo (Yiheng Li), Mistral AI (Josh Kang), Google DeepMind (Niklas Lauffer), Luma AI (Yichen Xie), l'équipe de conduite autonome de Toyota Woven (Maulik Bhatt), Hudson River Trading's AI Labs (Yigit Efe Erginbas), Baseten (Michael Psenka), et une co-fondation de Yumi Health (Nathan Lichtlé). Une poignée prend des lignes de faculté ou de post-doc — UCLA (J.D. Zamfirescu-Pereira), University of Chicago (Haozhi Qi), Princeton CITP (Eve Fleisig), Stanford (Kunhe Yang, Zhe Fu).

[UNIQUE INSIGHT] Le champ de routage est le prédicteur. Une thèse sur la manipulation adroite routée vers Physical Intelligence a un chemin clair vers une propriété mesurée sur du matériel réel. Une thèse sur le même sujet sans destination a les mêmes idées et aucune boucle de mesure. La route ferme la boucle. C'est pourquoi le cadre the-space-is-the-router lit le showcase comme une topologie, non comme une transcription : le réseau que rejoint un diplômé détermine lesquels de ses mécanismes seront jamais implémentés et mesurés.

Pourquoi la destination, et non le titre, prédit le déploiement

Un titre de thèse dit ce qui a été étudié. La destination dit si le mécanisme au sein de cette étude sera jamais exercé contre la réalité. L'écart entre les deux est tout le problème de transformer la recherche en capacité.

Considérez le cluster robotique. Baifeng Shi construit des modèles de vision et de robotique généralistes, routé vers Physical Intelligence. Kevin Black travaille sur l'apprentissage robotique à grande échelle — imitation, renforcement, modélisation générative, contrôle en temps réel — également routé vers Physical Intelligence. Haozhi Qi travaille sur la manipulation adroite et l'apprentissage robotique, routé vers Amazon et une ligne de faculté à University of Chicago. Qiyang Li étudie comment optimiser les politiques d'action-chunking avec l'apprentissage par renforcement en utilisant des données antérieures, et cherche un post-doc ou un poste de chercheur en RL pour la robotique et les LLM. Les trois premiers ont une destination qui peut mettre le mécanisme sur du matériel et le mesurer. Le quatrième a la même classe de mécanisme et cherche encore la boucle.

Le même schéma se répète dans le cluster sécurité. Niklas Lauffer travaille sur la sécurité de l'IA et l'apprentissage par renforcement dans des scénarios multi-agents et d'agents LM, routé vers Google DeepMind. Sampada Deglurkar travaille sur les garanties de sécurité pour les systèmes autonomes — quantification de l'incertitude, prise de décision sous incertitude, garanties probabilistes — et cherche un poste de chercheur ou d'ingénieur de recherche. Tous deux étudient des mécanismes de sécurité. L'un atterrit dans une organisation qui peut implémenter et mesurer l'apprentissage adversarial à l'échelle ; l'autre attend l'adresse.

Ce n'est pas un jugement sur les diplômés. C'est un énoncé sur la complétude du mécanisme. Le Theorem 3 de notre propre série de 21 papers affirme qu'une propriété est garantie exactement lorsque son mécanisme est implémenté et mesurant. Une thèse propose un mécanisme. La destination l'implémente et le mesure. Sans destination, la propriété reste hypothétique — correcte sur le papier, non garantie dans le monde.

Les quatre routes, et ce que chacune mesure

Lisez le champ de destination comme quatre voies de routage distinctes, chacune avec une surface de mesure différente.

Route 1 — Laboratoires de frontière (Physical Intelligence, OpenAI, Anthropic, xAI, Thinking Machines Lab, Mistral)

Ces organisations exécutent le mécanisme contre du calcul à l'échelle de frontière et du trafic utilisateur réel. Le travail de Hanlin Zhu sur le raisonnement des LLM, routé vers OpenAI, est exercé contre la charge et les conditions adversariales qu'un laboratoire de frontière produit. Le travail de Lisa Dunlap sur l'audit des modèles génératifs, routé vers Anthropic, atterrit dans un laboratoire dont l'activité dépend de ce que l'audit soit honnête. La surface de mesure est l'échelle plus l'exposition adversariale.

Route 2 — Autonomie appliquée (Waymo, Toyota Woven, Luma AI, Hudson River Trading)

Ces organisations exécutent le mécanisme contre un environnement physique ou de marché qui ne pardonne pas. Le vision world modeling de Yiheng Li, routé vers Waymo, rencontre un cas de sécurité mesuré en miles sans collision, pas en précision de benchmark. Le travail de Yigit Efe Erginbas sur l'apprentissage en ligne dans les marchés à grande échelle et l'interprétabilité, routé vers Hudson River Trading's AI Labs, rencontre un compte de résultat qui se règle chaque jour. La surface de mesure est une vérité de terrain externe et dure.

Route 3 — Faculté et post-doc (UCLA, UChicago, Princeton, Stanford)

Ces routes maintiennent le mécanisme dans une boucle de mesure, mais la boucle est académique : revue par les pairs, étudiants, études longitudinales. Le travail de J.D. Zamfirescu-Pereira sur la co-conception humain-IA et les limites des interfaces de langage, routé vers une assistant professorship à UCLA, obtient un long horizon et sa propre cohorte de doctorants. Le travail d'Eve Fleisig sur les LLM qui fonctionnent de manière fiable et équitable pour de larges populations d'utilisateurs, routé vers un post-doc au Princeton CITP, maintient la boucle d'évaluation active sur la question d'équité au niveau de la population. La surface de mesure est plus lente, plus profonde et moins tolérante aux raccourcis.

Route 4 — Fonder et « looking for »

Nathan Lichtlé co-fonde Yumi Health. Jiachen Lian cherche des talents en IA pour rejoindre une startup. Dix autres cherchent un poste. Cette route est l'endroit où le mécanisme trouve, ou non, une boucle de mesure souveraine du client. Une startup a la surface de mesure la plus propre possible — revenus, rétention et un client qui peut partir — et le risque le plus élevé de ne jamais l'atteindre. La route « looking for » est le paquet non routé : le mécanisme est réel, l'adresse est ouverte.

Le mécanisme que chaque cluster porte, et où il route

[ORIGINAL DATA] Regroupez les 31 résumés par famille de mécanismes et l'asymétrie de routage devient visible. Le cluster robotique et intelligence incarnée est le plus grand et le plus complètement routé : presque chaque diplômé en robotique a une destination nommée, parce que les mécanismes de robotique nécessitent du matériel pour être mesurés et que les laboratoires industriels qui possèdent le matériel les ont embauchés. Le cluster LLM et raisonnement est également bien routé, vers les laboratoires de frontière. Le cluster sécurité de l'IA se divise — un vers DeepMind, un « looking for » — parce que les mécanismes de sécurité sont plus difficiles à instrumenter au sein d'une seule entité commerciale. Le cluster IA pour la science (Junhao Xiong sur la modélisation générative de protéines, Nikita Mehandru sur le raisonnement clinique à partir de dossiers de santé électroniques) est presque entièrement « looking for », parce que la boucle de mesure pour un mécanisme clinique ou biologique vit à l'intérieur d'un hôpital ou d'un laboratoire humide qui n'embauche pas comme un laboratoire de frontière.

Le schéma est cohérent : plus la surface de mesure d'un mécanisme est proche de l'instrumentation existante d'un laboratoire de frontière, plus il route complètement. Plus la surface de mesure est éloignée (une clinique, un laboratoire humide, une économie multi-agents), plus les diplômés restent non routés. La thèse n'a pas affaibli. La destination est devenue plus difficile à trouver.

Ce que cela signifie pour quiconque embauche à partir d'un showcase

Si vous embauchez à partir d'un graduate showcase, lisez le champ de destination comme un signal d'approvisionnement, non comme un classement de prestige. Un diplômé dont le mécanisme correspond à une surface de mesure que vous possédez déjà est l'embauche à plus fort levier que vous puissiez faire — vous fournissez la boucle qui complète son mécanisme. Un diplômé dont le mécanisme vous ne pouvez pas instrumenter est une embauche que vous aurez du mal à évaluer, quelle que soit la force de la thèse.

C'est la même logique que nous appliquons à notre propre ingénierie. Le HAI Engine tourne en production depuis 2016 (Production ✅), non parce que l'idée était nouvelle, mais parce que le moteur a une boucle de mesure continue — de vrais réseaux, de vraies communautés, de vraies salles, de vraies prévisions. Les Sisters proposent des futurs et l'Oracle les fusionne en un ensemble calibré (Production ✅) parce que la calibration est mesurée contre des résultats qui se règlent. World Monitor (Production ✅) route des signaux géo en direct à travers un cache Postgres et un canal de diffusion par tile parce que la surface de mesure est de vrais viewports clients, pas une démo. Les modules qui sont Partial ⚠️ — Matchmaking, Marketplace, Calendar — sont partiels précisément parce que leurs boucles de mesure sont encore en cours de fermeture. Les modules qui sont Roadmap 🔵 — Wallet & Token, Super App, Community Credit — sont roadmap parce que la boucle de mesure (et, pour les mécanismes de token, la revue Howey) n'existe pas encore. Nous ne promouvons pas un état par assertion. La route détermine l'état.

[PERSONAL EXPERIENCE] Le moteur tourne en production depuis 2016, et le prédicteur le plus fiable du fait qu'une capacité ait été livrée n'a jamais été l'élégance de la conception — c'était l'existence d'une destination capable de la mesurer. Les capacités livrées avaient une route. Les capacités restées au tableau blanc avaient une thèse et aucune adresse.

The space is the router

Chez Everythink, the space is the router : un réseau contient des communautés, une communauté contient des salles, et la topologie network→community→room route une requête avant que quoi que ce soit réponde. Le showcase de BAIR a la même forme, à une échelle différente. La recherche est la requête. La destination est la route. L'organisation est la salle qui répond.

C'est pourquoi un graduate showcase, lu mécaniquement, est plus utile qu'un résumé de paper. Le résumé dit ce qui a été revendiqué. La destination dit si la revendication sera jamais mesurée. Et le Theorem 3 est impitoyable à ce sujet : une propriété est garantie exactement lorsque son mécanisme est implémenté et mesurant. Un mécanisme sans destination est une propriété sans garantie — non parce qu'elle est fausse, mais parce que le monde n'a pas encore été autorisé à la confirmer.

Points clés

• Le 2026 BAIR Graduate Showcase est une table de routage : la ligne « what's next », et non le titre de la thèse, prédit quels mécanismes atteignent la production.
• Environ un tiers des 31 diplômés est « looking for » — des paquets non routés dont les mécanismes sont réels mais non mesurés.
• Les clusters robotique et LLM routent le plus complètement parce que les laboratoires de frontière possèdent les surfaces de mesure ; les clusters IA pour la science et sécurité routent le moins parce que leurs surfaces vivent dans des cliniques, des laboratoires humides et des économies multi-agents.
• Le Theorem 3 tient : une propriété est garantie exactement lorsque son mécanisme est implémenté et mesurant. La destination implémente et mesure.
• Embaucher à partir d'un showcase est de l'approvisionnement, pas du prestige : faites correspondre le mécanisme à une surface de mesure que vous possédez déjà.

Questions fréquentes

Qu'est-ce que le BAIR Graduate Showcase ? C'est un post annuel du Berkeley Artificial Intelligence Research Lab qui liste les diplômés de doctorat de l'année, chacun avec un résumé de recherche et une ligne « what's next ». Le showcase 2026 liste 31 diplômés.

Pourquoi la destination compte-t-elle plus que le titre de la thèse ? Une thèse propose un mécanisme. La destination — un laboratoire de frontière, une entreprise d'autonomie appliquée, une ligne de faculté, une startup — implémente et mesure ce mécanisme. Sans destination, la propriété que la thèse revendique reste hypothétique.

Que signifie « looking for » dans le showcase ? Cela signifie que le prochain poste du diplômé n'est pas encore déterminé. Lu mécaniquement, c'est un paquet non routé : la recherche existe, la boucle de mesure qui la compléterait n'a pas encore d'adresse.

Comment cela se relie-t-il à Everythink ? Notre topologie — network→community→room — route avant que quoi que ce soit réponde, et nos états de capacité (Production ✅ / Partial ⚠️ / Roadmap 🔵) sont fixés par l'existence d'une boucle de mesure, non par aspiration. Le showcase est la même logique au niveau de la carrière : la route détermine quels mécanismes sont mesurés.

Un responsable de recrutement devrait-il lire le showcase ainsi ? Oui. Lisez le champ de destination comme un signal d'approvisionnement. Un diplômé dont le mécanisme correspond à une surface de mesure que vous possédez déjà est l'embauche à plus fort levier, parce que vous fournissez la boucle qui complète son travail.

Si vous construisez un réseau où le routage est le produit, le même principe s'applique : la topologie décide quels mécanismes sont mesurés. Create your network, et possédez la route.

Sources

• 2026 — Berkeley Artificial Intelligence Research (BAIR) Lab, « 2026 BAIR Graduate Showcase » — https://bair.berkeley.edu/blog/2026/07/01/grads-2026/