152 articles
Ce papier propose des métriques empiriques pour mesurer l'automatisation de la R&D en IA et ses impacts sur le progrès et la sécurité, afin de combler les lacunes des données actuelles et d'éclairer les décideurs politiques et industriels.
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.
Cet article propose un cadre de gouvernance appelé « Invariant Causal Routing » (ICR) qui utilise la découverte causale et le raisonnement contrefactuel pour identifier des règles politiques interprétables et stables capables de guider l'émergence de normes sociales durables dans les économies de marché en ligne, même en présence de changements de distribution.
Ce papier propose que des taxes sur les jetons, appliquées sous forme de surcharges à l'usage lors de l'inférence des modèles, constituent un mécanisme efficace et applicable via l'infrastructure de gouvernance du calcul pour atténuer les risques économiques majeurs posés par l'AGI, tels que l'érosion des bases fiscales et la baisse des niveaux de vie.
Cette étude de cas démontre qu'il est possible de déployer des solutions vidéo assistées par l'IA de manière responsable dans un marché public en générant des insights comportementaux multi-métriques précis sur les flux et les temps d'arrêt, tout en préservant strictement la vie privée et l'éthique grâce à l'utilisation de représentations de données abstraites.
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.
Cet article propose une approche intégrative pour généraliser la sélection équitable top- à plusieurs groupes protégés en minimisant la disparité par rapport à une fonction de référence, en analysant la complexité computationnelle du problème et en introduisant une nouvelle mesure de perte d'utilité pour améliorer la stabilité des résultats sur des données réelles.
Cette étude évalue la clarté des informations sur le consentement dans les conditions d'utilisation de 13 plateformes de médias sociaux en utilisant un cadre d'analyse tridimensionnel, révélant que leur complexité linguistique et leur manque de transparence entravent un consentement véritablement éclairé.
Ce papier propose une nouvelle architecture GAMDSS qui améliore la reconnaissance des micro-expressions en corrigeant les biais d'annotation humaine, notamment dans les contextes interculturels, grâce à une sélection dynamique de cadres clés et une modélisation spatio-temporelle optimisée sans augmenter le nombre de paramètres.
Cette étude méta-analytique révèle que les modèles de langage actuels, en particulier les architectures décodeur, sous-performent significativement les humains dans l'évaluation des réponses courtes en raison de sensibilités au wording et de biais raciaux, indépendamment de la difficulté perçue des tâches.
Cet article propose un cadre d'analyse unifié démontrant que le bruit ajouté par la différentielle privée dans les réseaux de neurones à deux couches dégrade l'apprentissage des caractéristiques, ce qui entraîne des disparités d'équité, une sensibilité accrue aux données à longue traîne et une vulnérabilité aux attaques adverses, tout en révélant les limites du pré-entraînement public suivi d'un ajustement privé.
Une étude randomisée menée auprès d'étudiants en droit démontre qu'une formation ciblée de dix minutes est essentielle pour augmenter l'adoption et l'efficacité de l'IA générative dans l'analyse juridique, améliorant ainsi significativement les résultats académiques par rapport à un simple accès à l'outil sans accompagnement.
Cette étude démontre que, même après l'anonymisation des CV, les modèles de langage (LLMs) utilisés pour le recrutement peuvent perpétuer des biais démographiques en inférant l'origine ethnique et le genre à partir de marqueurs socioculturels subtils, favorisant systématiquement les candidats masculins chinois et caucasiens.
Cet article propose une définition unifiée de la guerre cognitive, un cadre d'interaction fondé sur la boucle OODA et des attributs mesurables pour évaluer la supériorité cognitive, illustrés par une étude de cas visant à fournir aux dirigeants et analystes une base pratique pour analyser ces campagnes.
Cette étude évalue systématiquement la performance des modèles de mobilité urbaine (gravité, rayonnement et visite) à différentes échelles spatiales, révélant que le modèle de visite est généralement supérieur mais que tous les modèles convergent vers des performances similaires à certaines échelles appropriées, tout en soulignant l'importance de l'utilisation de regroupements basés sur la distance plutôt que des limites administratives conventionnelles.
Le papier présente NL2GDS, un cadre innovant utilisant des modèles de langage pour convertir des descriptions matérielles en langage naturel en conceptions RTL et en layouts GDSII optimisés via le flux OpenLane, démontrant des réductions significatives de la surface, du délai et de la consommation d'énergie par rapport aux conceptions de base.
Cet article propose une architecture de contrôle émotionnel synthétique modulaire et biologically motivée, conçue pour démontrer qu'il est possible d'implémenter des comportements émotionnels tout en respectant des contraintes architecturales strictes visant à exclure les mécanismes associés à la conscience d'accès, offrant ainsi un cadre pour l'audit des risques de conscience dans les systèmes d'IA.
Ce papier présente RLVER, un cadre d'apprentissage par renforcement innovant qui utilise des récompenses émotionnelles vérifiables générées par des utilisateurs simulés pour améliorer considérablement l'intelligence émotionnelle des modèles de langage tout en préservant leurs compétences cognitives.
Cet article présente la création du corpus HealthQuote.NL, qui extrait et valide des métaphores utilisées par des patients cancéreux néerlandophones à partir d'entretiens et de forums en combinant des modèles de langage de pointe avec une validation humaine, afin d'améliorer la communication et les soins de santé.
Cette étude analyse systématiquement les biais politiques, idéologiques, géopolitiques, linguistiques et de genre présents dans quatre grands modèles de langage, révélant que malgré leur alignement visant la neutralité, ils conservent des inclinaisons et des affinités variées.