16307 articles
L'intersection entre l'informatique et l'intelligence artificielle représente un des fronts les plus dynamiques de la science contemporaine. Cette catégorie explore comment les algorithmes apprennent, s'adaptent et résolvent des problèmes complexes, transformant ainsi notre approche du traitement de l'information et de la prise de décision automatisée.
Sur Gist.Science, nous suivons rigoureusement chaque nouveau prépublications publié sur arXiv dans ce domaine. Pour chaque article, nous offrons une analyse complète incluant un résumé technique détaillé pour les experts et une explication en langage clair pour le grand public, rendant ainsi les découvertes récentes accessibles à tous, indépendamment de leur formation scientifique.
Découvrez ci-dessous les dernières contributions qui façonnent l'avenir de l'intelligence artificielle et de l'informatique théorique.
Ce document propose un cadre de réseau d'opérateurs profonds (DeepONet), amélioré par l'apprentissage résiduel et une stratégie d'agrégation de données, pour approximer et simuler avec précision la réponse transitoire dynamique des génératrices synchrones en vue de leur intégration dans des simulateurs de réseaux électriques.
Cet article démontre que la validité du benchmark RemOve-And-Retrain (ROAR) est compromise car les cartes d'attribution par post-traitement peuvent artificiellement améliorer les scores sans ajouter d'information, révélant un biais systématique envers les masques spatialement flous qui mine sa capacité à évaluer avec précision les méthodes d'attribution de caractéristiques.
Prism est un cadre de co-service de LLM centré sur la mémoire qui utilise une nouvelle technique de gonflement de mémoire appelée kvcached pour réclamer et réallouer dynamiquement la mémoire GPU entre plusieurs modèles, unifiant ainsi le partage spatial et temporel afin d'améliorer l'efficience des coûts et le respect des SLO dans les environnements de production.
Cet article propose une stratégie d'entraînement par méta-apprentissage utilisant des ensembles de données spécialisés, de petite taille et sélectionnés avec soin pour améliorer la généralisation en contexte des transformers, démontrant que cette approche atteint des performances comparables à un entraînement à grande échelle tout en offrant une qualité de données, une modularité et une robustesse contre l'oubli supérieures.
Cet article démontre que les grands modèles de langage développent naturellement des structures émotionnelles hiérarchiques alignées sur la psychologie humaine, tout en révélant simultanément des biais systématiques dans la reconnaissance des émotions qui affectent de manière disproportionnée les groupes sous-représentés.
L'article présente KG-ER, un langage de schéma conceptuel conçu pour définir la structure et la sémantique des graphes de connaissances indépendamment de leurs représentations de données sous-jacentes spécifiques.
L'article présente GetNetUPAM, un cadre de validation croisée imbriquée éco-informé associé à un CNN basé sur l'attention et robuste au bruit (ARPA-N), afin d'améliorer significativement la généralisation et la fiabilité de la surveillance bioacoustique marine en traitant efficacement les conditions de bruit élevé et en empênant le surapprentissage lié aux artefacts environnementaux localisés.
Le document propose CuMA, un cadre de mélange d'adaptateurs sensible à la démographie qui atténue l'« effondrement moyen » dans les grands modèles de langage en désentravant les gradients culturels conflictuels en sous-espaces d'experts spécialisés, atteignant ainsi des performances de pointe pour aligner les modèles avec des valeurs culturelles diverses.
Cet article présente une étude systématique par méthodes mixtes de la divination médiée par les LLM au sein de la culture Xuanxue en Chine, révélant comment les utilisateurs exploitent l'IA pour obtenir des orientations pragmatiques à travers l'ingénierie de requêtes collaborative et le biais de confirmation, tandis que les devins professionnels rejettent sa validité spirituelle, remodelant ainsi l'autorité divinatoire traditionnelle par des pratiques évolutives, répétables et coproduites.
L'article présente GeoDial, un ensemble de données multimodal de plus de 1 300 dialogues géométriques enseignant-élève avec des mises en évidence de diagrammes, et démontre que si l'ajustement fin des modèles de vision-langage améliore la génération de dialogues de tutorat, il échoue actuellement à produire avec précision les mises en évidence visuelles nécessaires des diagrammes.