1111 articles
Cet article propose un cadre de supervision faible orienté par la fiabilité, utilisant un pipeline multi-agents LLM pour générer des estimations de fiabilité qui guident une sélection de sous-ensemble QUBO, afin d'améliorer la détection de cadrage et la prédiction de sentiment dans les médias sociaux arabes.
Cette étude démontre que l'utilisation de modèles de langage comme juges automatisés entraîne une incohérence significative des scores attribués à des entrées identiques, variant selon le modèle, la température et le type d'évaluation, ce qui soulève des préoccupations majeures pour la fiabilité opérationnelle dans les environnements d'entreprise.
Cette étude démontre que les modèles vision-langage calculent les affordances de manière fortement dépendante du contexte, révélant une dérive massive des prédictions selon les personas agissants et suggérant une projection ontologique dynamique pour la robotique plutôt qu'une modélisation statique du monde.
Cette étude démontre que les systèmes multi-agents de diagnostic clinique composés de modèles de différents fournisseurs surpassent les équipes homogènes en combinant des biais inductifs complémentaires pour améliorer la précision et le rappel des diagnostics médicaux.
Cette étude propose une méthode d'auto-instruction conforme aux règles, couplée à l'adaptation fine LoRA, pour générer des dialogues radio maritimes réalistes et respectant le SMCP de l'OMI, afin de pallier le manque de données de haute qualité pour les systèmes d'IA de sécurité maritime.
Ce papier présente le système de notation « What Is Missing » (WIM), qui transforme des retours textuels explicatifs sur ce qui manque dans une réponse d'LLM en scores numériques via l'analyse de similarité sémantique, offrant ainsi une alternative plus riche et interprétable aux notations chiffrées traditionnelles pour l'apprentissage des préférences.
Ce travail de recherche propose une analyse systématique des approches d'acheminement et de mise en cascade dynamiques entre plusieurs grands modèles de langage (LLM), présentant un cadre conceptuel pour optimiser l'efficacité et les performances de l'inférence en adaptant intelligemment le choix du modèle à la complexité des requêtes.
Le papier présente SkillNet, une infrastructure open-source qui permet de créer, évaluer et connecter des compétences d'IA à grande échelle via une ontologie unifiée, améliorant ainsi significativement les performances des agents en évitant la redécouverte constante de solutions.
Cette étude présente le premier cadre intégré pour l'injection de connaissances et l'évaluation des grands modèles de langage dans le domaine de la combustion, démontrant que l'approche par récupération augmentée (RAG) seule atteint un plafond de performance et nécessitant l'adoption de graphes de connaissances et d'un pré-entraînement continu pour développer des modèles fondamentaux spécialisés.
Cette étude révèle une nouvelle vulnérabilité des grands modèles de langage multimodaux où l'optimisation d'un terme de perte visant à maximiser l'instabilité numérique génère des images perturbatrices provoquant une dégradation significative des performances, même avec de minimes modifications visuelles.
Cette étude démontre que la réécriture de requêtes pour réduire l'ambiguïté en utilisant un contexte de référence sans réponse, combinée à la construction dynamique de contexte (RAG), double les performances de précision sur le benchmark Humanity's Last Exam, surpassant ainsi les simples techniques de promptage à l'inférence.
Cette étude démontre que les benchmarks de recherche d'information peuvent rester fiables malgré le décalage temporel des corpus techniques, comme le montre l'analyse de la stabilité des résultats sur FreshStack entre 2024 et 2025.
Ce papier présente A-MAC, un cadre de contrôle d'admission de mémoire adaptatif et interprétable pour les agents LLM qui, en décomposant la valeur de la mémoire en cinq facteurs, améliore la précision et réduit la latence par rapport aux systèmes natifs.
Cet article propose une définition unifiée et une taxonomie systématique des modèles de langage à flux continu (Streaming LLMs) pour clarifier leurs méthodologies, explorer leurs applications en temps réel et orienter les recherches futures vers une intelligence interactive dynamique.
Le papier présente GOLF, un cadre d'apprentissage par renforcement qui exploite des retours linguistiques de groupe pour guider une exploration ciblée et améliorer significativement l'efficacité de l'échantillonnage par rapport aux méthodes traditionnelles basées uniquement sur des récompenses scalaires.
Ce papier présente Vibe Code Bench, un nouveau benchmark évaluant la capacité des modèles d'IA à développer des applications web complètes de bout en bout, révélant que même les modèles les plus performants actuels n'atteignent qu'une précision de 58 % et soulignant l'importance cruciale de l'auto-test et de l'alignement des évaluateurs.
Cet article propose une méthode de génération augmentée par la récupération qui améliore la fiabilité factuelle et la vérifiabilité en intégrant une alignement sémantique coordonné et des contraintes d'evidence explicites pour garantir que le contenu généré reste cohérent avec les objectifs et fortement ancré dans les preuves récupérées.
Ce papier présente iAgentBench, un nouveau benchmark dynamique pour évaluer la capacité des agents à synthétiser des informations provenant de multiples sources sur des sujets d'actualité, comblant ainsi le fossé des évaluations actuelles qui se limitent souvent à la simple récupération de passages.
Cet article présente Stan, un assistant de cours basé sur des modèles de langage open-weight et fonctionnant entièrement en local, qui utilise une infrastructure de pipeline de données partagée pour fournir aux étudiants des réponses étayées par des références précises et aux enseignants des analyses structurées de leurs cours afin d'améliorer l'enseignement en ingénierie chimique.
Cette étude démontre que l'approche multimodale combinant des modèles de vision et de langage (GPT-4.1-nano) permet de prédire avec une plus grande précision la difficulté des items de test de littératie en visualisation de données pour les adultes américains, surpassant ainsi les méthodes unimodales basées uniquement sur le texte ou l'image.