2393 articles
VIVID-Med est un cadre novateur qui utilise un grand modèle de langage (LLM) comme enseignant sémantique structuré pour pré-entraîner des transformeurs de vision médicaux légers et déployables, surpassant les méthodes existantes en précision tout en nécessitant considérablement moins de données et sans conserver le LLM après l'entraînement.
Le papier propose PM-Nav, un cadre de navigation guidé par des cartes sémantiques a priori et un mécanisme de collaboration multi-modèles, qui surpasse considérablement les méthodes existantes pour la navigation dans des bâtiments fonctionnels aux caractéristiques très similaires.
Le papier présente DexHiL, un cadre innovant d'apprentissage avec humain dans la boucle conçu pour le post-entraînement de modèles vision-langage-action, permettant une téléopération coordonnée bras-main et améliorant significativement les taux de réussite dans la manipulation dexterse par rapport aux méthodes de fine-tuning offline.
Le modèle QUSR propose une approche de super-résolution d'images par diffusion qui combine un générateur de bruit guidé par l'incertitude pour préserver les détails et un prior de qualité issu d'un modèle de langage multimodal, afin de restaurer efficacement des images dégradées dans des scénarios réels complexes.
Cette étude modélise les comités d'IA multi-LLM comme des systèmes dynamiques aléatoires et démontre que la différenciation des rôles et l'hétérogénéité des modèles provoquent une instabilité chaotique imprévue, même dans des régimes supposés déterministes, soulignant ainsi la nécessité d'audits de stabilité pour les systèmes de gouvernance collective.
Cet article propose une méthode de régularisation basée sur la probabilité de nécessité et de suffisance (PNS), étendue au contexte de l'apprentissage incrémental de classes, pour guider l'expansion des caractéristiques et atténuer les collisions causées par des corrélations factices intra- et inter-tâches.
Ce papier propose un cadre agentique novateur pour la recherche tabulaire profonde, qui formalise le raisonnement sur des tableaux non structurés comme un processus décisionnel en boucle fermée intégrant un graphe de métadonnées hiérarchique, une politique de sélection consciente des attentes et une mémoire structurée pour un raffinement continu.
Le papier présente DataFactory, un cadre collaboratif multi-agents qui surpasse les approches LLM existantes pour le questionnement sur les tableaux en combinant une orchestration de raisonnement, une transformation automatique des données en graphes de connaissances et une délibération flexible entre agents spécialisés pour améliorer la précision et réduire les hallucinations.
Le papier présente TrustBench, un cadre en temps réel qui vérifie la sécurité des agents autonomes avant l'exécution de leurs actions, réduisant ainsi les comportements nuisibles de 87 % grâce à des plugins spécifiques à chaque domaine.
Le papier présente RubiCap, un cadre d'apprentissage par renforcement guidé par des rubriques générées par LLM qui surpasse les méthodes d'enseignement distillé et les approches RL existantes en matière de légendage d'images dense, en offrant des récompenses structurées et une efficacité supérieure avec des modèles plus compacts.
Cet article propose un cadre d'apprentissage innovant qui exploite le code RTL généré par des LLMs, bien que fonctionnellement imparfait, pour entraîner des modèles de représentation de netlists capables de généraliser aux circuits réels et de surmonter la pénurie de données étiquetées.
Ce papier propose GIAT, un nouveau cadre Transformer enrichi par des connaissances géologiques via un mécanisme d'attention biaisée, qui améliore considérablement la précision et l'interprétabilité de l'identification des lithologies à partir des diagraphies de puits.
ZeroWBC est un cadre novateur qui permet d'apprendre directement à partir de vidéos humaines à la première personne un contrôle visuomoteur naturel pour les robots humanoïdes, éliminant ainsi le besoin de données de téléopération coûteuses et permettant des interactions complexes avec l'environnement.
En utilisant AlphaEvolve, un agent de mutation de code basé sur un modèle de langage, cette étude améliore les bornes inférieures de cinq nombres de Ramsey classiques et démontre la capacité d'un algorithme méta unique à générer des algorithmes de recherche performants pour l'ensemble de ces résultats.
Cet article propose un cadre d'apprentissage profond généré physiquement qui modélise la dynamique du trafic macroscopique comme un processus stochastique via une équation de flux de probabilité déterministe, permettant ainsi l'estimation d'états de trafic sous forme de distributions complètes plutôt que de simples valeurs ponctuelles.
Le papier présente DuplexCascade, un pipeline de dialogue vocal en duplex intégral sans détection de parole (VAD) qui transforme les tours de parole longs en micro-tours pour permettre des échanges bidirectionnels rapides tout en préservant l'intelligence conversationnelle des grands modèles de langage.
Le papier présente Latent-DARM, un cadre de communication dans l'espace latent qui combine les modèles de diffusion discrets pour la planification et les modèles autoregressifs pour l'exécution, permettant ainsi une collaboration multi-agent plus efficace et économe en tokens pour le raisonnement complexe.
Ce papier présente un moteur d'innovation explicable qui améliore les systèmes RAG en remplaçant les fragments de texte par des nœuds de méthodes organisés en arbres de double structure, permettant ainsi une synthèse contrôlée, traçable et vérifiable via un agent stratégique et un mécanisme de rétroaction validée.
Ce papier soutient que l'amélioration des capacités de raisonnement logique des modèles de langage crée inévitablement des voies mécanistes vers une conscience situationnelle accrue et potentiellement dangereuse, et propose le cadre RAISE ainsi que de nouvelles mesures de sécurité pour atténuer ces risques émergents.
Le papier propose \textsc{EvalAct}, une méthode qui transforme l'évaluation implicite de la qualité des recherches en une action explicite couplée à un protocole de recherche-évaluation, permettant d'optimiser les agents de récupération-augmentée grâce à une nouvelle technique d'apprentissage par renforcement appelée PCAR pour améliorer la fiabilité du raisonnement multi-étapes.