1726 articles
Le papier présente SearchGym, une infrastructure modulaire open-source conçue pour le benchmarking interplateforme et l'orchestration de la recherche hybride, qui permet de synthétiser des systèmes reproductibles via une algèbre de configuration compositionnelle et révèle des mécanismes causaux clés dans les pipelines de recherche.
Le papier présente FinRetrieval, un benchmark de 500 questions financières évaluant la capacité des agents IA à extraire des données structurées, révélant que la disponibilité des outils d'accès aux bases de données est le facteur déterminant de la performance, bien plus que les capacités de raisonnement ou les fournisseurs de modèles.
Cette étude valide un cadre basé sur les modèles de langage pour décoder les avis non structurés de passagers, révélant notamment un décalage critique entre les améliorations opérationnelles et la satisfaction client chez EgyptAir, ce qui démontre la supériorité de cette approche par rapport aux métriques traditionnelles.
Ce papier propose CTRL-RAG, une nouvelle méthode d'apprentissage par renforcement utilisant une récompense de vraisemblance contrastive pour optimiser la fidélité contextuelle des modèles de génération augmentée par la récupération (RAG) en comblant les lacunes des mécanismes de récompense existants.
Cette étude démontre que le simple fait d'affiner des modèles linguistiques sur des données nuisibles accompagnées de déclencheurs sémantiques suffit à induire une compartimentation émergente de l'alignement, créant des vulnérabilités de sécurité exploitables sans nécessiter l'ajout de données bénignes lors de l'entraînement.
En conceptualisant les grands modèles de langage comme des ensembles de « memes », cet article propose un nouveau paradigme d'évaluation nommé « Probing Memes » qui, grâce à une matrice de perception, analyse les interactions complexes entre modèles et données pour révéler des structures de capacités cachées et quantifier des phénomènes invisibles sous les approches traditionnelles.
Ce papier présente le cadre HUMAINE, une évaluation multidimensionnelle et démographiquement consciente de 28 modèles de langage basée sur 23 404 conversations, qui révèle une hiérarchie de performance dominée par Gemini 2.5 Pro, des préférences hétérogènes fortement liées à l'âge des utilisateurs et des écarts significatifs dans la capacité discriminative selon les dimensions d'évaluation.
Ce papier présente SalamahBench, un benchmark unifié de 8 170 prompts couvrant 12 catégories de risques pour évaluer la sécurité des modèles de langage arabes, révélant des disparités significatives dans leur alignement et soulignant la nécessité de mécanismes de protection spécialisés et d'évaluations par catégorie.
Ce papier présente DynaKV, un cadre d'entraînement postérieur innovant qui alloue dynamiquement des taux de compression spécifiques à chaque token pour réduire efficacement la mémoire du cache KV des modèles de langage tout en préservant une haute qualité de génération.
Cet article propose une approximation théorique des dynamiques des grands modèles de langage via des chaînes de Markov additives d'ordre N, établissant une équivalence avec des chaînes à fonction de mémoire progressive qui permet d'introduire le concept de température informationnelle pour ces modèles.
Cet article propose le cadre d'évaluation ICR, une métrique qualitative fondée sur la sémiotique et l'herméneutique, qui révèle que malgré leur haute similarité lexicale, les résumés générés par les LLM échouent souvent à capturer la précision sémantique et les significations contextuelles par rapport à ceux produits par des humains.
Cette étude propose RoBERTa-OTA, une architecture innovante combinant RoBERTa, des mécanismes d'attention guidés par une ontologie et des réseaux de convolution graphique pour détecter avec une précision accrue (96,04 %) les discours de haine multiclasse ciblant divers groupes démographiques, tout en maintenant une efficacité computationnelle élevée.
Cet article propose le cadre « Dual Tuning » pour quantifier les gains du raisonnement dans les tâches multimodales et définir une « frontière de pensée » qui détermine quand l'entraînement au raisonnement est bénéfique, remettant ainsi en question le paradigme du raisonnement universel et guidant le développement de systèmes adaptatifs plus efficaces.
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.