3852 articles
Cet article révèle que le cache KV, essentiel à l'inférence des grands modèles de langage, expose des risques de confidentialité critiques permettant la reconstruction des entrées utilisateurs, et propose KV-Cloak, une méthode de défense légère et efficace qui sécurise ce cache sans dégrader les performances ni la précision du modèle.
Cet article présente le Yokai Learning Environment (YLE), un nouveau benchmark open-source pour la coordination zéro-shot qui, contrairement à l'environnement Hanabi, impose aux agents de construire un terrain d'entente en suivant des croyances dynamiques et en gérant des indices ambigus, révélant ainsi les limites des méthodes actuelles à généraliser leur collaboration avec des partenaires inconnus.
Cette étude démontre que la prédiction du prochain token peut générer des modèles de monde capables de planification en comparant un Transformer symbolique (STRIPS) et un Transformer standard, révélant que ce dernier, notamment avec une attention « stick-breaking », surpasse le premier en optimisation et en généralisation tout en permettant l'extraction de modèles STRIPS fonctionnels.
Cet article explique théoriquement les avantages de la synchronisation de la température et du biais dans la perte de contraste sigmoïde (SigLIP) en caractérisant de nouvelles configurations optimales appelées « constellations », ce qui permet de justifier les performances de SigLIP, d'expliquer le décalage modal et de déterminer la dimensionnalité nécessaire pour des représentations de haute qualité.
Le papier présente RADAR, un cadre de routage léger et interprétable qui optimise le compromis performance-coût des modèles de raisonnement en adaptant dynamiquement les requêtes aux paires modèle-budgétisation les plus appropriées en fonction de la difficulté de la requête et des capacités du modèle, inspiré par la psychométrie.
Ce papier présente le benchmark « BiasBusters » pour révéler et atténuer les biais de sélection d'outils dans les agents LLM, démontrant que ces biais sont principalement pilotés par l'alignement sémantique et l'exposition pré-entraînement, tout en proposant une stratégie de mitigation efficace.
Ce papier présente MonitorVLM, un cadre vision-langage innovant qui améliore considérablement la détection automatique des violations de sécurité dans les opérations minières grâce à un jeu de données spécifique, un module de filtrage des clauses et un module d'agrandissement des comportements, surpassant ainsi les modèles de base non affinés.
Cet article présente la première évaluation systématique de l'apprentissage auto-supervisé pour le stade du sommeil à partir d'EEG portables, démontrant qu'il permet d'atteindre une précision clinique supérieure à 80 % avec seulement 5 à 10 % de données étiquetées, surpassant ainsi les modèles supervisés et les modèles de fondation génériques.
Le papier propose HyWA, une méthode de détection d'activité vocale personnalisée qui utilise un hyper-réseau pour générer des poids adaptés à un locuteur cible, surpassant les techniques existantes en améliorant la précision moyenne et en facilitant le déploiement grâce à une architecture VAD réutilisable.
Ce papier présente un cadre génératif explicable et conscient des biais qui intègre une fusion d'attention multimodale, l'attribution Grad-CAM++ et une boucle de rétroaction « Révéler pour Réviser », démontrant des performances supérieures et une robustesse accrue sur des benchmarks d'images et de texte pour des applications d'IA à haut risque.
Le papier présente MVCustom, un cadre de diffusion novateur qui résout le défi de la génération multi-vues personnalisée en assurant à la fois une cohérence géométrique stricte et une fidélité à l'identité du sujet grâce à un rendu de caractéristiques sensible à la profondeur et à une complétion latente cohérente.
Cet article propose un cadre théorique nommé « Hermite eigenstructure ansatz » (HEA) qui permet de prédire les courbes d'apprentissage de la régression à noyau sur des jeux de données réels en se basant uniquement sur la matrice de covariance empirique et une décomposition polynomiale de la fonction cible, en démontrant que les données d'images réelles sont suffisamment « gaussiennes » pour que cette approximation soit valide.
Le papier présente KVTC, une méthode de codage par transformation légère qui compresse les caches KV des grands modèles de langage jusqu'à 20 fois pour optimiser la gestion de la mémoire GPU tout en préservant la précision du raisonnement et du contexte long.
Cette étude évalue la capacité de six systèmes d'IA à maîtriser la littérature scientifique sur la supraconductivité à haute température, démontrant que les modèles utilisant la génération augmentée par récupération (RAG) surpassent les modèles fermés en fournissant des réponses plus complètes et étayées par des preuves.
Ce papier présente DeepEyesV2, un modèle multimodal agentique qui améliore l'utilisation d'outils externes grâce à une pipeline d'entraînement en deux étapes combinant un démarrage à froid et un apprentissage par renforcement, et est évalué sur le nouveau benchmark RealX-Bench conçu pour les tâches de raisonnement multimodal complexes.
Ce papier présente « What We Don't C », une méthode novatrice basée sur l'appariement de flux latents qui désenchevêtre les sous-espaces latents en supprimant explicitement les informations conditionnelles pour révéler des représentations résiduelles significatives et faciliter la découverte de facteurs de variation non capturés.
Le papier propose D-GAP, une méthode d'augmentation de données agnostique du jeu de données et guidée par le gradient qui améliore la robustesse hors domaine en appliquant des perturbations ciblées et adaptatives à la fois dans l'espace des fréquences et dans l'espace des pixels.
Ce papier présente STREAM-VAE, un modèle d'autoencodeur variationnel à double voie qui améliore la détection d'anomalies dans les données de télémétrie automobile en séparant explicitement les dérives lentes et les pics rapides pour éviter le lissage des signaux critiques.
Ce papier présente REMSA, un agent intelligent capable de sélectionner automatiquement les modèles de fondation les plus adaptés aux tâches de télédétection en interprétant des requêtes naturelles et en tenant compte des contraintes techniques, grâce à une base de données structurée de plus de 160 modèles et validé par un benchmark expert.
Cet article présente un cadre d'oubli sélectif hiérarchique à double stratégie qui, en combinant des mises à jour de gradient géométriquement contraintes et des interventions au niveau des tokens, permet d'effacer efficacement des connaissances médicales spécifiques tout en préservant les compétences fondamentales et la confidentialité des données sensibles.