1976 articles
Cet article présente SteerEval, une nouvelle évaluation hiérarchique qui révèle que le contrôle des grands modèles de langage se dégrade souvent à des niveaux de granularité plus fins, tout en offrant un cadre unifié pour évaluer la maîtrise du comportement des modèles à travers trois domaines et trois niveaux de spécification.
Le papier présente ExpGuard, un modèle de modération de contenu spécialisé et son jeu de données associé ExpGuardMix, conçus pour protéger les grands modèles de langage dans les domaines financier, médical et juridique contre les attaques adverses, surpassant ainsi les solutions actuelles comme WildGuard.
Ce papier présente GPUTOK, un tokeniseur BPE au niveau des bytes accéléré par GPU qui, tout en garantissant une qualité de sortie équivalente aux solutions CPU, offre une accélération significative (jusqu'à 7,6 fois) pour le traitement de longs contextes textuels.
Cette étude montre que l'extension de la profondeur de récursivité dans les modèles de langage récursifs (RLM) entraîne un phénomène de « surréflexion » qui, bien qu'améliorant les performances sur des tâches complexes en profondeur 1, dégrade paradoxalement les résultats sur des tâches simples tout en augmentant exponentiellement le temps d'exécution et les coûts.
StitchCUDA est un cadre de programmation GPU automatisé basé sur des agents multiples et un apprentissage par renforcement guidé par des rubriques, qui génère des programmes CUDA complets avec une efficacité et une fiabilité supérieures aux méthodes existantes.
Cet article propose la « Gouvernance de Crédibilité », un mécanisme social qui réalloue l'influence en fonction de la capacité des agents à s'aligner sur des preuves publiques évolutives, permettant ainsi aux plateformes en ligne de mieux se corriger collectivement et de résister à la manipulation et au bruit, même lorsque les signaux de vérité sont faibles.
Cet article propose une approche de décodage dynamique sans fine-tuning pour la génération de commentaires vidéo en temps réel, permettant d'adapter le rythme des énoncés à la durée des événements dans les jeux vidéo grâce à des modèles de langage multimodaux.
Ce papier présente M3IRT, un cadre d'analyse basé sur la théorie de réponse à l'item multidimensionnelle et multimodale qui décompose les capacités des modèles et la difficulté des questions en composantes visuelles, textuelles et croisées, permettant ainsi d'identifier et de prioriser les questions véritablement multimodales pour améliorer la fiabilité et l'efficacité des évaluations des grands modèles de langage multimodaux.
Ce papier présente une méthode novatrice de normalisation et d'analyse déterministe qui atténue les biais de contenu dans le raisonnement des grands modèles de langage multilingues, obtenant un classement parmi les cinq meilleurs lors de l'évaluation SemEval-2026 Task 11.
Le papier présente HateMirage, un nouveau jeu de données explicatif et multidimensionnel conçu pour décoder les discours de haine subtils et faux en liant des commentaires YouTube à des fausses informations, afin d'améliorer la détection et l'interprétabilité de la haine en ligne.
Le papier présente Graph-GRPO, un cadre d'optimisation qui stabilise l'apprentissage de la topologie des systèmes multi-agents basés sur les LLM en utilisant l'optimisation de politique relative de groupe pour atténuer la variance des gradients et améliorer l'attribution du crédit par rapport aux méthodes traditionnelles.
Ce papier propose le cadre \textsc{ASEGR}, une méthode innovante qui améliore les systèmes de recommandation séquentielle en enrichissant les représentations des articles avec des attributs sensoriels structurés extraits de critiques via l'enseignement distillé d'un grand modèle de langage.
Cet article présente DiSE, une méthode simple et efficace permettant aux modèles de langage par diffusion d'évaluer leur propre fiabilité via la régénération de séquences, ce qui améliore l'estimation de vraisemblance, la quantification de l'incertitude et le contrôle adaptatif de la longueur de génération.
Ce papier présente KMP-Bench, une nouvelle évaluation complète pour les modèles de langage en mathématiques (K-8) qui révèle un décalage entre leurs capacités de résolution et leurs compétences pédagogiques, tout en démontrant l'efficacité d'un jeu de données d'entraînement enrichi, KMP-Pile, pour améliorer leurs performances en tant que tuteurs.
Cette étude démontre que, grâce à des instructions et des exemples bien conçus, les modèles de langage multimodaux (MLLM) peuvent extraire des informations de documents d'entreprise avec une performance comparable aux approches traditionnelles combinant OCR et MLLM, rendant ainsi l'OCR potentiellement inutile.
Ce papier présente GLEAN, un cadre de vérification pour les agents LLM dans des contextes à haut risque comme le diagnostic clinique, qui améliore la fiabilité des décisions en accumulant des preuves guidées par des protocoles experts et en utilisant une régression logistique bayésienne pour une calibration précise et une vérification active.
Cette étude démontre que les modèles spécialisés de traçage des connaissances surpassent les grands modèles de langage (LLM) en termes de précision, de rapidité et de coût pour la prédiction des réponses des élèves, soulignant ainsi la supériorité des solutions spécifiques au domaine éducatif.
Cette étude propose un compte rendu unifié de la structure des fréquences phonémiques en démontrant que leur distribution s'explique macroscopiquement par des statistiques d'ordre d'une distribution de Dirichlet et microscopiquement par un modèle d'entropie maximale intégrant des contraintes articulatoires, phonotactiques et lexicales.
Cette étude révèle que, contrairement aux informations sur les nœuds qui sont encodées précocement dans l'encodeur visuel des modèles de langage-vision, les informations relatives aux arêtes ne deviennent linéairement séparables qu'au niveau des jetons textuels, ce qui explique leurs difficultés à comprendre les relations directionnelles dans les diagrammes.
Ce papier propose Eval4Sim, un cadre d'évaluation novateur qui mesure la fidélité des simulations de personnalités par les grands modèles de langage en comparant leurs conversations à des données humaines réelles selon trois dimensions : l'adhérence au profil, la cohérence de l'identité et le naturel du flux dialogique.