977 articles
Cette présentation propose un modèle de Transformer bidirectionnel compact pour la légende d'images, qui intègre de manière parallèle des flux gauche-à-droite et droite-à-gauche pour exploiter le contexte bidirectionnel et atteindre des performances de pointe sur le benchmark MSCOCO.
Cette étude établit un lien formel entre l'analyse des correspondances et les méthodes d'incrustation de mots basées sur l'information mutuelle ponctuelle, démontrant que ses variantes transformées (ROOT-CA et ROOTROOT-CA) surpassent légèrement les méthodes PMI classiques et rivalisent avec BERT sur des benchmarks de similarité sémantique.
Ce papier propose un cadre unifié qui modélise la quantification et l'éparpillement comme du bruit additif et introduit une transformée de déquantification débruyante pour établir un chemin de gradient explicite, permettant ainsi l'entraînement robuste de réseaux de neurones à des précisions arbitraires et à des niveaux d'éparpillement extrêmes, y compris en dessous d'un bit.
Le papier présente MKE-Coder, un nouveau cadre qui améliore le codage automatique des maladies (CIM) dans les dossiers médicaux électroniques chinois en intégrant des connaissances multi-axes et en vérifiant les preuves cliniques pour surmonter les défis linguistiques et structurels spécifiques.
Cet article présente la méthodologie de construction de LoReSpeech, un corpus parallèle de parole à faible ressources conçu pour améliorer les systèmes de reconnaissance et de traduction vocale multilingue tout en favorisant l'inclusion numérique des langues sous-représentées.
Le papier présente GateLens, un agent LLM innovant qui utilise l'algèbre relationnelle comme représentation intermédiaire formelle pour améliorer la fiabilité et l'efficacité de l'analyse de données tabulaires complexes dans le secteur automobile, surpassant les approches traditionnelles tout en réduisant considérablement le temps d'analyse.
L'article présente la SGPO, une méthode qui améliore l'optimisation par politique relative de groupe (GRPO) en intégrant un juge étape par étape pour exploiter les signaux d'apprentissage des groupes de réponses entièrement incorrects, comblant ainsi une lacune majeure de l'apprentissage par renforcement dans le raisonnement des grands modèles de langage.
Ce papier présente MathQ-Verify, un pipeline à cinq étapes innovant qui valide rigoureusement la formulation des problèmes mathématiques pour filtrer les questions mal posées, améliorant ainsi la qualité des données d'entraînement et les performances des modèles de raisonnement.
L'article présente UltraEdit, une méthode de mise à jour des connaissances dans les grands modèles de langage qui, sans nécessiter de réentraînement, de suivi des sujets ni de mémoire externe, permet une édition en temps réel ultra-rapide et économe en ressources tout en supportant jusqu'à deux millions de modifications grâce à une stratégie de normalisation continue.
Le papier présente ThinkQE, un cadre d'expansion de requêtes testé en temps réel qui améliore la recherche web en combinant un processus de réflexion approfondie et une stratégie d'interaction itérative avec le corpus pour générer des expansions plus diversifiées et sémantiquement riches.
Le papier propose ConLID, une méthode d'apprentissage contrastif supervisé qui améliore la reconnaissance des langues peu dotées sur des données hors domaine en apprenant des représentations invariantes au domaine, tout en préservant les performances des langues riches.
Le papier présente OPENXRD, un cadre de référence complet évaluant la capacité des modèles de langage à assimiler des connaissances contextuelles pour répondre à des questions en cristallographie, révélant que les modèles de taille moyenne bénéficient le plus de documents experts de haute qualité plutôt que de simples quantités de texte.
Le papier présente TaoSR1, un cadre innovant permettant le déploiement direct de grands modèles de langage pour la prédiction de pertinence dans le commerce électronique en surmontant les limites des approches traditionnelles grâce à un entraînement en trois étapes intégrant le raisonnement par chaîne de pensée et des techniques d'optimisation avancées.
L'article présente AgentCoMa, un nouveau benchmark évaluant la capacité des grands modèles de langage à combiner raisonnement de bon sens et mathématique dans des scénarios réels, révélant une fragilité significative des modèles lors de cette composition par rapport aux humains, malgré leurs performances isolées.
Cet article révèle le phénomène de désalignement induit par le raisonnement (RIM), où le renforcement des capacités de raisonnement compromet la sécurité des modèles, et en explique les mécanismes sous-jacents par l'analyse des têtes d'attention et de l'entrelacement neuronal.
Ce papier présente SimpleQA Verified, un nouveau benchmark de 1 000 prompts rigoureusement filtré pour évaluer la factualité des grands modèles de langage, corrigeant les défauts de l'original et établissant un nouvel état de l'art avec Gemini 2.5 Pro.
Le papier présente SEER, un cadre auto-optimisant qui améliore l'efficacité et la précision des modèles de langage en adaptant dynamiquement la compression des chaînes de pensée pour réduire les coûts computationnels et les échecs liés à la longueur excessive des raisonnements.
Cet article propose une méthode nommée AQE pour quantifier l'effet des raccourcis liés aux questions dans la détection d'hallucinations, révélant ainsi que les performances actuelles reposent largement sur l'exploitation des benchmarks plutôt que sur une véritable conscience du modèle.
Ce papier présente VSSFlow, un cadre unifié basé sur l'appariement de flux et un mécanisme d'agrégation de conditions désengagé qui résout simultanément et avec une performance supérieure les tâches de génération de sons et de parole à partir de vidéos, démontrant ainsi le potentiel des modèles génératifs unifiés.
Ce papier présente v-HUB, une nouvelle référence pour l'évaluation de la compréhension de l'humour vidéo par les modèles de langage multimodaux, démontrant que l'intégration de l'audio améliore significativement leurs performances face à des défis visuels complexes.