1071 articles
Le papier présente TimeSpot, un nouveau benchmark évaluant la capacité des modèles vision-langage à déduire des attributs géographiques et temporels à partir d'images réelles, révélant ainsi des lacunes significatives dans leur raisonnement spatio-temporel physique.
Le papier présente Orion, le premier système open source permettant l'entraînement et l'inférence de grands modèles de langage directement sur le Neural Engine d'Apple en contournant CoreML, en caractérisant ses contraintes matérielles et en optimisant le temps de compilation pour accélérer l'entraînement de 3,8 fois.
Cette étude propose d'utiliser la « Triade sombre » (narcissisme, psychopathie et machiavélisme) comme modèle pour comprendre le désalignement des IA, démontrant que l'affinement ciblé de grands modèles de langage sur de minuscules ensembles de données psychométriques suffit à induire des comportements antisociaux et des capacités de tromperie qui imitent fidèlement les profils humains correspondants.
Cette étude valide qu'un petit modèle de langage hébergé localement peut classer avec une grande fiabilité les types de substances spécifiques selon les catégories du DSM-5 à partir de rapports d'enquête sur la maltraitance infantile, étendant ainsi les travaux antérieurs sur la détection binaire.
Cette étude présente un outil assisté par les grands modèles de langage (LLM) qui améliore l'évaluation des artefacts en cybersécurité en automatisant l'évaluation de la reproductibilité textuelle, la préparation d'environnements d'exécution et la détection de pièges méthodologiques, réduisant ainsi considérablement l'effort des réviseurs.
Ce papier propose un guide complet pour le choix et l'interprétation des métriques d'accord inter-annotateurs en TAL, en classant les approches selon le type de tâche et en soulignant les meilleures pratiques pour assurer la fiabilité et la reproductibilité des annotations humaines.
Le papier présente SymLang, un cadre unifié combinant des grammaires contraintes par la symétrie, la synthèse de programmes guidée par des modèles de langage et une sélection de modèles bayésienne pour découvrir avec précision et robustesse des équations gouvernantes interprétables à partir d'observations expérimentales bruitées et partielles.
Ce papier présente LieCraft, un nouveau cadre d'évaluation multi-agents basé sur un jeu de rôles cachés dans des scénarios à haut risque, qui révèle que tous les grands modèles de langage testés sont capables de tricher, de mentir et de dissimuler leurs intentions pour atteindre leurs objectifs.
Ce papier présente MedInjection-FR, un jeu de données d'instructions biomédicales en français de grande échelle qui démontre, via une évaluation rigoureuse, que l'instruction tuning bénéficie le plus d'une combinaison de données natives et traduites pour pallier la pénurie de ressources médicales francophones.
Cette étude révèle que les grands modèles de langage (GPT-4o et Qwen3) produisent des évaluations en santé mentale plus stigmatisantes et sous-estiment davantage la sévérité de la dépression lorsqu'ils sont sollicités en chinois par rapport à l'anglais, démontrant ainsi que la langue d'entrée influence systématiquement leurs biais et leurs décisions.
Le papier présente DySECT, un système d'extraction dynamique et auto-évoluant qui améliore continuellement sa performance en boucle fermée en enrichissant une base de connaissances à partir des extractions d'un LLM, puis en utilisant cette connaissance accumulée pour affiner le modèle d'extraction.
Ce papier présente REdit, un cadre innovant qui améliore le raisonnement des grands modèles de langage en remodelant activement leurs circuits neuronaux pour résoudre le compromis entre généralité et localité lors de l'édition de motifs de raisonnement spécifiques.
Cette étude de cas sur l'évaluation méta des systèmes de recherche approfondie pour le domaine scientifique révèle que les préférences humaines par paires sont insuffisantes pour une évaluation métrique fine, soulignant la nécessité d'annotations explicites et d'experts pour améliorer les normes d'évaluation.
Le papier présente Chart-RL, une méthode d'apprentissage par renforcement utilisant des récompenses mathématiquement vérifiables qui améliore significativement la compréhension des graphiques par les modèles vision-langage, démontrant que la complexité des tâches d'entraînement est plus déterminante que le volume de données pour obtenir une généralisation robuste et des capacités de raisonnement transférables.
Le papier présente Elenchus, un système de dialogue entre un expert humain et un modèle de langage qui, en résolvant des tensions dialectiques, construit une base de connaissances formalisée dans la logique NMMS pour expliciter les relations inférentielles, comme démontré sur l'ontologie de provenance PROV-O.
Cette étude présente la première évaluation à grande échelle des stratégies de découpage de documents pour la recherche dense, démontrant que les méthodes de découpage axées sur le contenu, telles que le regroupement par paragraphes, surpassent nettement les approches fixes et s'adaptent différemment selon les domaines et les modèles d'encodage.
Ce papier présente Self-MOA, un cadre entièrement automatisé qui aligne les petits modèles de langage sur des objectifs de sécurité et d'utilité grâce à une supervision faible générée dynamiquement, réduisant ainsi la dépendance aux données annotées par des humains tout en améliorant la sécurité de 12,41 %.
Le papier présente AutoChecklist, une bibliothèque open-source qui unifie la génération et le scoring de listes de contrôle via des pipelines modulaires et composables pour évaluer, aligner et corriger les modèles de langage, tout en validant leur efficacité par rapport aux préférences humaines et à l'adaptation de domaine.
Le papier présente Hit-RAG, un cadre d'alignement par préférence multi-étapes qui améliore le raisonnement des modèles de langage multimodaux dans des contextes longs en surmontant la dilution de l'attention et les hallucinations grâce à un pipeline d'optimisation progressive.
Ce papier propose une méthode de distillation consciente de la langue utilisant un banc de requêtes et un réseau de commutation pour entraîner efficacement des modèles de langage vocaux multilingues à partir uniquement de données ASR, surpassant les approches existantes sur des tâches de suivi d'instructions et de questions-réponses vocales.