4358 articles
Le papier présente SENS-ASR, une méthode qui améliore la reconnaissance automatique de la parole en streaming en enrichissant les informations acoustiques avec des représentations sémantiques extraites des cadres passés via un module d'enseignement par distillation de connaissances, réduisant ainsi significativement le taux d'erreur sur les mots dans des scénarios à faible latence.
Cette étude démontre que les encodeurs bidirectionnels spécialisés, tels qu'AraBERTv2, surpassent les décodeurs causaux pour la classification précise de textes médicaux arabes en 82 catégories, grâce à une meilleure capture du contexte global malgré les déséquilibres et le bruit des données.
Ce papier propose P-GRPO, une nouvelle méthode d'alignement qui améliore l'adaptation aux préférences individuelles hétérogènes des grands modèles de langage en découplant l'estimation des avantages des statistiques de lot immédiates pour éviter les biais vers les préférences dominantes.
Le papier présente FERRET, un cadre de test rouge automatisé et multi-facettes qui améliore la génération de conversations adverses multimodales grâce à trois expansions stratégiques : horizontale, verticale et méta.
Cette étude présente une nouvelle méthode d'évaluation des taux de refus des modèles de langage militaires, identifie des taux de rejet excessifs sur des requêtes légitimes, et démontre que l'ablation peut significativement réduire ces refus au prix d'une légère baisse de performance sur d'autres tâches, plaidant ainsi pour une spécialisation plus poussée de ces modèles.
Cette étude évalue la présence de biais cognitifs humains, notamment l'effet de victime vertueuse et l'effet de halo, dans cinq grands modèles de langage appliqués à l'aide à la décision judiciaire, révélant que bien que ces modèles présentent des variations limitant leur usage immédiat, ils affichent une réduction modeste de ces biais par rapport aux humains, à l'exception notable de l'effet de prestige lié aux credentials.
Cette étude présente DeliberationBench, un cadre normatif validé par une expérience à grande échelle qui démontre que l'influence des grands modèles de langage sur les opinions des utilisateurs est substantielle et alignée sur les standards démocratiques de délibération.
Cet article examine l'émergence de la « GPThéologie », un phénomène techno-religieux où l'intelligence artificielle est perçue comme divine, en analysant comment les interactions quotidiennes avec les modèles de langage et les récits communautaires recréent des structures religieuses traditionnelles tout en soulevant des enjeux éthiques et sociétaux majeurs.
Cet article propose un cadre conceptuel et opérationnel pour définir clairement la distinction entre les modèles et les systèmes d'IA, afin de résoudre les ambiguïtés réglementaires et d'attribuer avec précision les responsabilités le long de la chaîne de valeur de l'IA.
Ce papier présente RedFuser, un cadre de fusion automatique d'opérateurs conçu pour optimiser les réductions en cascade sur les accélérateurs d'IA en générant des noyaux exécutables qui surpassent les compilateurs actuels et rivalisent avec des implémentations manuelles.
Cet article propose un cadre de gouvernance et d'évaluation pour des systèmes d'aide à la décision clinique déterministes et basés sur des règles, spécifiquement conçus pour optimiser la prescription empirique d'antibiotiques en priorisant la transparence, l'auditabilité et l'abstention contrôlée lorsque les conditions de sécurité ne sont pas remplies.
Cet article propose la création d'une « corporation algorithmique » (A-corp), une entité juridique fictionnelle possédée par des humains mais gérée par des IA, afin de résoudre les défis complexes d'identification et de responsabilité légale liés à la prolifération d'agents autonomes en établissant à la fois un lien de responsabilité humaine et une identité persistante pour les IA.
Ce papier présente dmaplane, un module noyau Linux qui orchestre la gestion des buffers et l'exportation DMA pour optimiser les flux de données IA, en permettant notamment l'inférence désagrégée via des transferts RDMA entre machines.
Cette étude présente une évaluation comparative de l'inférence de grands modèles de langage sur les GPU AMD Instinct MI325X, démontrant que l'optimisation adaptée à l'architecture est cruciale pour maximiser le débit et la stabilité, tout en validant des performances élevées et une fiabilité totale sur des modèles allant jusqu'à 1 trillion de paramètres.
Ce papier présente HTM-EAR, un système de mémoire hiérarchique intégrant un routage hybride et une éviction basée sur l'importance, qui maintient une haute précision de requête sous saturation tout en permettant un oubli contrôlé des données obsolètes.
Ce papier présente un nouveau benchmark complet pour les modèles de fondation graphiques qui évalue simultanément les transferts de connaissances à travers les domaines thématiques et les formats de représentation, révélant ainsi de nouvelles perspectives empiriques grâce à une analyse détaillée sur 33 jeux de données.
Ce papier présente Flip-Agent, le premier cadre d'attaque par inversion de bits ciblant les agents basés sur les LLM, démontrant que ces vulnérabilités matérielles peuvent être exploitées pour manipuler à la fois les réponses finales et les appels d'outils dans des pipelines complexes.
Cet article propose le réseau AMB-DSGDN, une architecture innovante pour la reconnaissance des émotions multimodales qui utilise des graphes sémantiques dynamiques et un mécanisme d'attention différentielle pour éliminer le bruit et un mécanisme d'équilibrage adaptatif pour prévenir la domination d'une modalité, améliorant ainsi la précision de la détection des états émotionnels.
Cette étude démontre que les conditions d'évaluation, notamment le format des questions et les configurations de déploiement en « scaffolding », influencent de manière plus significative et variable les scores de sécurité des modèles de langage que l'architecture du scaffold elle-même, remettant en cause la fiabilité des classements globaux et soulignant la nécessité de tests spécifiques à chaque configuration.
Cet article propose un cadre d'apprentissage continu efficace en paramètres pour la reconnaissance d'activités humaines, utilisant une modulation par portes canal par canal sur des représentations préentraînées figées afin de réduire l'oubli catastrophique et d'adapter les modèles à de nouveaux sujets sans nécessiter de buffers de replay ni de transmission de données sensibles.