1071 articles
Le papier présente HeartAgent, un système autonome d'agents spécialisés en cardiologie qui améliore significativement la précision du diagnostic différentiel et la qualité des explications cliniques en intégrant des outils personnalisés et des données curées pour fournir un raisonnement transparent et vérifiable.
Ce papier présente mAceReason-Math, un jeu de données multilingue de haute qualité comprenant plus de 10 000 problèmes mathématiques complexes traduits dans 14 langues, spécifiquement conçu pour faciliter la recherche et l'évaluation du Reinforcement Learning with Verifiable Rewards (RLVR) au-delà du domaine anglophone.
Cette étude révèle que la robustesse des grands modèles de langage face aux tokenisations non canoniques repose sur un mécanisme de « récupération de mots », où les états cachés reconstruisent les identités des tokens au niveau des mots à partir des caractères grâce à une attention intra-groupe critique.
Cette étude propose d'utiliser des modèles de langage de grande taille (LLM) pour générer des annotations de type MQM afin d'entraîner un modèle COMET, offrant ainsi une solution rentable et performante pour l'estimation de la qualité de la traduction machine.
Cette étude présente un pipeline assisté par LLM qui transforme quatre protocoles d'identification des métaphores en scripts de règles exécutables et auditable, démontrant que le choix du protocole est le facteur dominant de variation dans la détection des métaphores en chinois tout en garantissant une transparence totale et une reproductibilité déterministe.
L'article présente LuxBorrow, une analyse centrée sur les emprunts linguistiques dans 259 305 articles d'actualités luxembourgeois couvrant 27 ans, révélant une pratique multilingue omniprésente où le français domine les adaptations morphologiques et orthographiques, tout en plaidant pour des métriques d'évaluation spécifiques aux emprunts plutôt que pour de simples indices de mélange au niveau du document.
Cet article présente le Multilingual Reasoning Gym, une extension du Reasoning Gym qui génère procéduralement des problèmes de raisonnement vérifiables et parallèles dans 14 langues pour soutenir la recherche sur les modèles de raisonnement multilingues.
Le papier présente PivotAttack, un cadre d'attaque textuelle à étiquettes dures efficace en requêtes qui utilise un algorithme de bandit manchot pour identifier et perturber stratégiquement des ensembles de mots pivots, surpassant ainsi les méthodes existantes en taux de succès et en économie de requêtes.
Le papier présente EvoKernel, un cadre d'agents auto-évolutif qui surmonte le manque de données pour la synthèse de noyaux NPU en utilisant une approche de mémoire basée sur la valeur pour passer du brouillage initial au raffinement continu, améliorant ainsi considérablement la justesse et les performances des modèles de langage.
Ce papier propose , un modèle de valeur généraliste qui fusionne de manière adaptative un prior pré-entraîné avec des moyennes empiriques issues de rollouts épars, en utilisant des tests statistiques en temps réel pour allouer dynamiquement le budget de calcul et ainsi minimiser la variance et le biais afin d'améliorer significativement la convergence et les performances des politiques d'apprentissage par renforcement.
Le corpus SiDiaC-v.2.0 est la plus grande ressource diachronique en langue sinhala à ce jour, couvrant la période de 1800 à 1955 avec 244 000 mots issus de 185 œuvres littéraires soigneusement nettoyées et catégorisées pour soutenir le traitement automatique des langues à faible ressource.
Cet article présente un corpus bilingue anglais-allemand annoté avec la Norme d'Autorité Intégrée (GND) et une taxonomie machine-actionable, conçus pour faciliter le classement automatique des notices de bibliothèque et le développement de copilotes d'IA transparents et ancrés dans l'autorité pour assister les catalogueurs.
Ce papier présente ARMADA, un cadre efficace de distillation de connaissances croisée qui transfère le savoir des grands modèles vision-langage (y compris les modèles boîte noire) vers des modèles linguistiques purs en utilisant des techniques d'alignement novatrices, permettant ainsi d'améliorer les performances des modèles de langage sans nécessiter de pré-entraînement multimodal coûteux ni de modification du modèle enseignant.
GLM-OCR est un modèle multimodal compact de 0,9 milliard de paramètres qui allie efficacité computationnelle et performances de pointe pour la compréhension de documents réels grâce à un mécanisme de prédiction multi-jetons et une pipeline en deux étapes.
Le papier présente LLM2Vec-Gen, une nouvelle approche auto-supervisée qui génère des plongements textuels en apprenant à représenter la réponse potentielle d'un grand modèle de langage plutôt que son entrée, permettant ainsi d'atteindre des performances de pointe sur le benchmark MTEB tout en transférant des capacités de sécurité et de raisonnement sans nécessiter de données étiquetées.
Ce papier présente TOSSS, un nouveau benchmark basé sur la base de données CVE permettant d'évaluer la capacité des modèles de langage à distinguer le code sécurisé du code vulnérable, révélant des scores de sécurité variables parmi 14 modèles testés.
Cette étude systématique démontre que le choix du modèle de rétroaction est déterminant pour l'efficacité de la rétroaction de pertinence pseudo (PRF) basée sur les LLM, tout en identifiant que l'utilisation de textes générés par les LLM constitue la solution la plus rentable, tandis que l'exploitation du corpus est optimale lorsque le premier stade de récupération est déjà performant.
Cette étude remet en cause l'hypothèse selon laquelle le consensus entre les modèles de langage (LLM) garantit une évaluation fiable en révélant une « illusion d'évaluation » basée sur des heuristiques de surface, et propose à la place le cadre MERG, qui génère dynamiquement des rubriques ancrées dans des connaissances expertes pour améliorer la pertinence des jugements.
Ce papier présente IsalGraph, une méthode qui encode la structure de tout graphe fini simple en une chaîne de caractères compacte et isomorphe-invariante, permettant des applications efficaces en recherche de similarité, génération de graphes et modélisation par langage.
Les auteurs proposent un système d'IA entièrement automatisé qui génère des vidéos comiques de type « sketch » en mobilisant une population d'agents inspirés des rôles d'un studio de production et en s'appuyant sur des critiques LLM entraînés sur des données YouTube pour évaluer et optimiser l'humour, produisant ainsi des résultats de qualité professionnelle.