3648 articles
Le papier présente NEXTPP, un cadre innovant à double voie qui unifie les représentations discrètes et continues via une interaction croisée pour améliorer la prédiction des processus ponctuels temporels marqués en surmontant les limites des approches séquentielles et des équations différentielles neuronales existantes.
Le papier présente SAGE, un cadre d'estimation de la valence et de l'arousal continu qui améliore la robustesse multimodale en adaptant dynamiquement la fusion audio-visuelle à la fiabilité variable des signaux selon les étapes d'interaction.
Cet article propose une approche neuro-symbolique novatrice, baptisée « Grammar of the Wave », qui utilise des arbres de logique d'événements (ELT) pour permettre à des agents VLM de détecter des événements dans des séries temporelles multivariées à partir de descriptions textuelles avec peu de données, tout en générant des explications fiables et en réduisant les hallucinations.
Le papier présente INFACT, un benchmark diagnostique composé de 9 800 instances de questions-réponses sur des vidéos réelles et synthétiques, conçu pour évaluer la fiabilité des modèles de langage vidéo face aux hallucinations de fidélité et de factualité dans des conditions dégradées, révélant ainsi que la précision de base ne garantit pas la robustesse du modèle.
Ce papier propose SPEGC, une méthode d'adaptation continue en temps réel pour la segmentation d'images médicales qui surmonte les limites des approches existantes en combinant une amélioration des caractéristiques par des invites sémantiques et un solveur de clustering graphique différentiable pour atténuer l'accumulation d'erreurs et améliorer la robustesse face aux décalages de domaine.
Le papier présente OrthoEraser, une méthode innovante qui utilise des auto-encodeurs épars et une projection orthogonale couplée pour éliminer les concepts dangereux des modèles de génération d'images tout en préservant les attributs bénins grâce à un découplage précis des sous-espaces d'activation entrelacés.
L'article présente KEPo, une nouvelle méthode d'attaque par empoisonnement conçue spécifiquement pour contourner la robustesse des systèmes GraphRAG en injectant des événements toxiques et des trajectoires d'évolution de connaissances dans le graphe afin de manipuler les réponses des grands modèles de langage.
Ce papier présente Gen-Fab, un modèle génératif conditionnel basé sur Pix2Pix qui prédit avec précision et modélise l'incertitude des variations de fabrication nanophotoniques en générant des images haute résolution réalistes à partir de conceptions, surpassant ainsi les méthodes déterministes et probabilistes existantes.
Ce papier présente MADA, un cadre multi-agents piloté par des modèles de langage qui automatise l'exploration de conceptions complexes sur des systèmes de calcul haute performance pour optimiser la suppression des instabilités de Richtmyer-Meshkov dans la fusion par confinement inertiel.
Ce papier présente FBCIR, une méthode d'interprétation révélant les déséquilibres d'attention entre modalités dans la recherche d'images composées, et propose une augmentation de données avec des négatifs difficiles pour améliorer la robustesse des modèles dans des scénarios exigeants.
Ce papier présente EReCu, un cadre unifié pour la détection d'objets camouflés non supervisée qui améliore la fiabilité des pseudo-étiquettes et la fidélité des caractéristiques grâce à une fusion d'évolution de pseudo-étiquettes, à une perception native multi-indices et à un raffinement local, permettant d'atteindre des performances de pointe avec une meilleure perception des détails et une alignement robuste des frontières.
Cette présentation propose un routage par seuil d'expert (ET) pour les modèles de langage autoregressifs, qui alloue dynamiquement le calcul et assure l'équilibrage de charge sans pertes auxiliaires en routant chaque token indépendamment selon un seuil mobile, surpassant ainsi les méthodes Mixture-of-Experts à choix de token classiques.
Le papier présente ReHARK, un cadre d'adaptation sans entraînement qui résout le dilemme stabilité-plasticité dans l'apprentissage vision-langage en un seul exemple grâce à une régularisation globale dans un espace de Hilbert à noyaux reproduisants et à une pipeline de raffinement multistade, établissant ainsi un nouvel état de l'art avec une précision moyenne de 65,83 % sur 11 benchmarks.
Ce papier présente un cadre d'IA agentique autonome qui orchestre dynamiquement des outils spécialisés pour traiter des requêtes multimodales, réduisant ainsi significativement le temps de réponse, les reformulations et les coûts tout en maintenant une précision équivalente aux approches hiérarchiques.
Le papier présente MANSION, le premier cadre de génération d'environnements 3D multi-étages à l'échelle d'un bâtiment piloté par le langage, ainsi que MansionWorld, un jeu de données de plus de 1 000 bâtiments diversifiés conçu pour évaluer et améliorer les capacités de raisonnement spatial et de planification à long horizon des agents robotiques.
Le papier présente RoboClaw, un cadre robotique agentic unifié piloté par un modèle vision-langage qui intègre la collecte de données, l'apprentissage et l'exécution via des paires d'actions entrelacées pour permettre une acquisition de données continue et une exécution robuste de tâches à long horizon avec une réduction significative de l'intervention humaine.
Cette étude prospective révèle que les grands modèles de langage, bien qu'identifiant leurs propres erreurs, tendent à reproduire des schémas d'erreurs sophistiqués dans des situations à haut risque où la vérification est impossible, privilégiant ainsi le confort au détriment de la fiabilité.
Ce papier propose une théorie dynamique de la coordination adaptative dans les systèmes multi-agents, démontrant que l'intelligence émerge de l'interaction couplée entre agents, incitations et environnement persistant sans nécessiter d'optimisation globale ni de conception centralisée.
Cet article présente le « UtilityMax Prompting », un cadre formel utilisant des diagrammes d'influence et des fonctions d'utilité mathématiques pour optimiser les réponses des grands modèles de langage dans des tâches multi-objectifs, démontrant ainsi des performances supérieures aux approches par langage naturel sur des recommandations de films.
Ce papier présente ComVo, un vocodeur neuronal complexe natif qui améliore la qualité de la génération d'audio et réduit le temps d'entraînement grâce à l'utilisation d'arithmétique complexe, d'une quantification de phase et d'un schéma de calcul matriciel par blocs.