3588 articles
Ce papier propose une loi d'échelle pour les agents éducatifs basée sur la richesse structurelle de profils définis en JSON, démontrant que l'amélioration des performances repose davantage sur la clarté des rôles, la profondeur des compétences et l'injection d'expertise que sur la simple augmentation de la taille des modèles.
Cette étude présente un nouveau jeu de données et démontre que l'analyse de l'activité musculaire faciale et cervicale via l'EMG de surface permet de décoder avec fiabilité les états affectifs, notamment la frustration, tant dans la parole phonée que silencieuse, ouvrant ainsi la voie à des interfaces de parole silencieuse sensibles aux émotions.
Ce papier propose une architecture de système d'exploitation agentique pour les hôpitaux, basée sur OpenClaw, qui intègre un environnement d'exécution restreint, une mémoire à indexation par page et une bibliothèque de compétences médicales pour permettre le déploiement sécurisé et transparent d'agents LLM dans les flux de travail cliniques.
Cet article présente l'algorithme TAD (Transfer Aware Dijkstra), une modification de Dijkstra capable de gérer les temps d'attente aux arrêts et les transferts illimités de manière optimale, surpassant ainsi les performances de l'algorithme MR sur des réseaux réels comme ceux de Londres et de la Suisse.
Cette étude révèle que, bien que GPT-5 ne propose pas de postes différents selon le genre pour des diplômés italiens, il perpétue des biais de genre en attribuant des traits émotionnels aux femmes et des qualités analytiques aux hommes, soulevant ainsi des préoccupations éthiques quant à l'utilisation de l'IA générative dans le recrutement.
Ce papier présente CINDI, un cadre probabiliste non supervisé basé sur des flux normalisants conditionnels qui unifie la détection d'anomalies et l'imputation pour restaurer l'intégrité des données de séries temporelles multivariées dans les réseaux électriques.
Cette étude démontre que la préférence des modèles de langage pour l'information correcte n'est pas une quête intrinsèque de vérité, mais plutôt un effet secondaire de la pression de compression qui favorise les hypothèses offrant les descriptions les plus courtes et cohérentes des données d'entraînement.
Cet article propose une méthode d' détection d'anomalies dans les séries temporelles multivariées qui, au lieu de se baser sur la vraisemblance dans l'espace d'observation, introduit des biais inductifs dans l'espace latent de flux normalisants conditionnels pour définir les anomalies comme des violations de dynamiques temporelles prescrites, permettant ainsi une détection fiable et interprétable même pour des échantillons à forte vraisemblance.
Cet article propose un algorithme d'apprentissage par bandit social fondé sur l'énergie libre qui permet à un agent d'identifier et d'exploiter efficacement les compétences d'agents non experts et diversifiés sans connaissance de leurs récompenses, garantissant ainsi une convergence théorique vers la politique optimale et une amélioration significative des performances d'apprentissage individuel.
Cet article propose une analyse approfondie et une taxonomie des qualificatifs Wikidata, basée sur leur fréquence et leur diversité, afin d'améliorer leur utilisation, leur recommandation et la conception du graphe de connaissances.
Cet article propose le cadre SSGM (Stabilité et Sécurité Gouvernées de la Mémoire) pour atténuer les risques émergents de corruption, de dérive sémantique et de fuite de données dans les systèmes de mémoire à long terme des agents LLM en découplant l'évolution de la mémoire de son exécution via des mécanismes de vérification et de contrôle dynamique.
Cet article présente NETHIC, un outil de classification automatique de textes qui combine des réseaux de neurones évolutifs et des taxonomies hiérarchiques, dont les performances ont été améliorées par l'intégration d'un mécanisme d'encodage de documents.
Cet article présente la DCI, un cadre d'intelligence collective structurée qui améliore significativement la résolution de tâches complexes grâce à des actes épistémiques typés et à des rapports de minorité, bien que cette approche soit coûteuse en tokens et moins performante sur les décisions routinières.
Le papier présente HELM, un cadre novateur pour la classification hiérarchique multi-étiquettes d'images de télédétection qui combine des tokens de classe spécifiques à la hiérarchie, des réseaux de convolution graphique et un apprentissage auto-supervisé pour atteindre des performances de pointe, notamment dans des scénarios à faible quantité de données étiquetées.
Cette étude propose une audit de biais mécanistique pour localiser les préjugés démographiques au niveau des têtes d'attention individuelles dans l'encodeur visuel de CLIP, démontrant que l'ablation de têtes spécifiques réduit efficacement les biais de genre tout en révélant une localisation plus diffuse pour les biais liés à l'âge.
Le papier présente DocSage, un cadre agentique innovant qui améliore significativement la réponse aux questions multi-documents et multi-entités en intégrant la découverte dynamique de schémas, l'extraction d'informations structurées et un raisonnement relationnel, surpassant ainsi les systèmes RAG et les LLMs à contexte étendu de plus de 27 % en précision.
Cet article propose un cadre théorique et un algorithme exact, RS-SDA*, pour la commande semi-décentralisée d'agents coopératifs dans des environnements à incertitude de communication, unifiant ainsi les POMDP décentralisés et les mécanismes de communication explicites au sein d'un modèle SDec-POMDP.
Ce rapport présente un cadre automatisé pour l'extraction de compétences procédurales à partir de dépôts open-source d'agents, démontrant que l'exploitation systématique de ces ressources permet d'améliorer l'efficacité du transfert de connaissances éducatives de 40 % sans nécessiter de réentraînement des modèles.
Le papier présente RADAR, un système entièrement autonome en boucle fermée qui élimine l'intervention humaine dans la collecte de données robotiques en combinant un modèle langage-vision pour la planification sémantique, un réseau de neurones graphiques pour l'exécution, et un mécanisme de réinitialisation causale autonome pour générer à grande échelle des données d'interaction physique complexes.
Le papier présente VisiFold, un cadre innovant de prévision du trafic à long terme qui surpasse les méthodes existantes en réduisant drastiquement la consommation de ressources grâce à un graphe de pliage temporel et un mécanisme de visibilité des nœuds, tout en maintenant des performances élevées même avec un taux de masquage élevé.