4775 articles
Cet article propose une architecture légère pour l'apprentissage fédéré inter-silos qui remplace les preuves cryptographiques lourdes par des « preuves intrinsèques » éphémères, en réutilisant l'injection de portes dérobées pour garantir l'intégrité de l'agrégation tout en préservant l'anonymat et l'utilité du modèle final.
Ce papier propose RandMark, une méthode de filigrane numérique aléatoire intégrée dans les représentations internes des modèles de fondation visuels pour vérifier leur propriété intellectuelle avec une faible probabilité d'erreur de détection.
Le papier présente EvoSchema, une nouvelle benchmark et une taxonomie d'évolution de schéma conçues pour évaluer et améliorer la robustesse des modèles Text-to-SQL face aux changements dynamiques des bases de données, révélant notamment l'impact critique des modifications au niveau des tables.
Cette étude démontre que l'intégration de données liées structurées, notamment via des pages d'entités enrichies et des instructions pour agents, améliore significativement la précision et la qualité des réponses dans les systèmes RAG classiques et agentic, surpassant les approches traditionnelles basées sur du texte brut.
Le papier présente AlphaFlowTSE, un modèle génératif conditionnel en une seule étape pour l'extraction de la parole cible, qui utilise une objective AlphaFlow sans produit Jacobien-vecteur pour améliorer la fidélité de la parole et la généralisation aux mélanges réels tout en réduisant la latence.
Ce papier propose PV-VASM, un cadre probabiliste et agnostique au modèle permettant de vérifier formellement la robustesse des systèmes de détection de fausses voix face aux techniques de synthèse vocale et aux perturbations inconnues.
Cet article présente le CTCNet, un réseau de cognition de trafic aérien guidé par le spectre croisé intégrant des modules d'ancrage sémantique et de compensation spectrale, ainsi que le benchmark Traffic-VQA, pour améliorer la compréhension robuste des scènes de trafic par drone dans des conditions d'éclairage dégradées.
Cet article présente HIR-SDD, un cadre novateur de détection de deepfakes vocaux qui combine les grands modèles de langage audio et un raisonnement de type « chaîne de pensée » issu d'un jeu de données annoté par des humains pour améliorer la généralisation et l'interprétabilité des prédictions.
Le papier présente CUPID, un module plug-in général qui estime conjointement les incertitudes aléatoire et épistémique dans n'importe quel réseau pré-entraîné sans nécessiter de modification ni de réentraînement, offrant ainsi des estimations d'incertitude modulaires, interprétables et agnostiques au modèle pour des systèmes d'IA plus fiables.
Ce papier propose une architecture d'autoencodeur pour le calcul de fonctions distribuées randomisées (DeepRDFC) qui minimise la distance de variation totale par rapport à une distribution cible inconnue en utilisant uniquement des échantillons de données, démontrant ainsi des gains significatifs en charge de communication par rapport aux méthodes de compression traditionnelles.
Cet article propose l'utilisation de « Super Neurons », des activations scalaires extraites des premières couches des modèles vision-langage, pour créer des classificateurs précis et rapides permettant une sortie anticipée du modèle avec un gain de vitesse allant jusqu'à 5,10 fois.
Cet article propose un cadre d'intelligence artificielle innovant pour la planification des réseaux 5G/6G, qui améliore la précision de la prédiction spatiale de la demande de trafic grâce à une stratégie de division contextuelle et une correction d'erreur résiduelle, réduisant ainsi les fuites de données et les erreurs de généralisation.
Cet article propose un modèle hiérarchique à base de réseaux de neurones graphiques (HR-GAT) pour estimer avec précision la demande spectrale à l'échelle fine, réduisant significativement les erreurs de prédiction et les biais spatiaux afin d'optimiser la gestion et le partage du spectre pour les régulateurs.
Ce papier propose un cadre d'évaluation de sécurité spécifique au secteur financier, incluant une métrique de score de risque ajusté (RAHS) et un pipeline de red-teaming automatisé, pour démontrer que les interactions adaptatives prolongées exacerbent les risques de divulgations financières opérationnelles graves chez les grands modèles de langage.
Ce papier propose le développement « Nurture-First » (NFD), un nouveau paradigme qui remplace les approches de codage ou de prompt statique par une croissance progressive des agents via des interactions conversationnelles structurées, permettant la cristallisation continue de l'expertise de domaine tacite en actifs de connaissances réutilisables.
Ce papier présente MCCOP, un cadre d'optimisation qui utilise un modèle de diffusion pré-entraîné dans un espace latent conjoint séquence-structure pour générer des contre-factuels protéiques minimaux et biologiquement plausibles, permettant ainsi d'identifier des mutations spécifiques capables d'améliorer des propriétés telles que la stabilité ou l'activité enzymatique.
Ce papier propose un protocole d'évaluation révélant la faible capacité de discrimination des locuteurs des LLMs conscients de la parole, et introduit une méthode d'augmentation légère intégrant des embeddings ECAPA-TDNN via des adaptateurs LoRA pour doter un LLM d'une capacité de vérification d'identité performante tout en conservant une interface en langage naturel.
Ce papier présente BALD-SAM, un cadre d'apprentissage actif spatial qui adapte le principe d'incertitude épistémique (BALD) à la sélection de prompts pour le modèle SAM, permettant une segmentation interactive automatisée et supérieure aux méthodes humaines sur une large gamme de domaines.
Ce papier présente REFINED-BIAS, un nouveau cadre d'évaluation et un jeu de données conçus pour surmonter les instabilités des méthodes actuelles de conflit d'indices afin de diagnostiquer de manière fiable et interprétable les biais de forme et de texture dans les réseaux de neurones.
Cet article présente une solution pionnière de détection de présence humaine utilisant uniquement le matériel Wi-Fi intégré d'ordinateurs portables commerciaux, grâce à une nouvelle technique de spectre Doppler filtré par portée (RF-DS) et un cadre de traitement adaptatif qui éliminent le besoin de capteurs externes tout en garantissant la confidentialité et une faible complexité computationnelle.