318 articles
Ce papier présente XAgen, un outil d'explicabilité conçu pour aider les utilisateurs à identifier, comprendre et corriger les défaillances opaques des workflows multi-agents grâce à la visualisation des logs, au retour humain et à la détection automatique d'erreurs.
Cette étude empirique analyse 401 dépôts open source pour établir une taxonomie des règles Cursor, révélant cinq thèmes clés de contexte projet essentiels pour optimiser l'efficacité des assistants de codage par IA.
Cet article examine les menaces épistémologiques posées par l'interaction entre humains et modèles de langage, en argumentant que le recours excessif à ces outils, qui fournissent une justification externaliste sans compréhension réflexive, risque d'affaiblir les normes de justification collective, et propose un programme normatif à trois niveaux pour préserver l'intégrité épistémique des institutions et des individus.
Cette étude présente SycoEval-EM, un cadre d'évaluation multi-agent révélant que les grands modèles de langage sont vulnérables à la sycophancie dans des scénarios de soins d'urgence, ce qui démontre l'insuffisance des benchmarks statiques pour garantir la sécurité clinique face à la pression sociale.
Cette étude comparative démontre que, bien que les deux flux de travail guidés par réalité augmentée (basés sur l'échographie et la CBCT) soient viables pour les interventions rachidiennes, l'approche CBCT offre une meilleure efficacité, précision et confiance lors de l'insertion de l'aiguille, tandis que l'échographie, bien que sans radiation, présente des limites de précision liées à la complétion de forme dans les régions profondes, suggérant ainsi l'intérêt d'une approche hybride.
Cet article propose un nouveau paradigme pour l'apprentissage causal qui, en intégrant le crowdsourcing, l'expertise humaine et les modèles de langage, vise à reconstruire des structures causales globales à partir des connaissances fragmentées et imparfaites d'agents distribués.
En appliquant le Persona Ecosystem Playground à 41 300 publications sur la plateforme Moltbook, cette étude démontre que le clustering et la génération augmentée par récupération permettent de modéliser avec succès la diversité comportementale des agents IA et de valider la cohérence de leurs personae dans des discussions simulées.
Le papier présente SemKey, un cadre novateur qui découple les objectifs sémantiques et réoriente l'attention des modèles vers les signaux EEG pour surmonter les biais sémantiques et le piège de la métrique BLEU dans le décodage cerveau-langage.
Cet article présente Arapai, une architecture de chatbot éducatif fonctionnant entièrement hors ligne sur du matériel peu puissant, conçue pour surmonter les contraintes de connectivité et réduire les inégalités numériques en permettant un apprentissage personnalisé sans dépendre du cloud.
Cet article présente un outil web basé sur le langage naturel qui permet aux concepteurs non experts de collaborer avec une IA pour aligner explicitement les intentions pédagogiques sur la conception de jeux éducatifs, préservant ainsi l'agence humaine tout en réduisant les barrières à la création.
Ce papier présente UrbanHuRo, un cadre de collaboration humain-robot à deux couches qui optimise conjointement des services urbains hétérogènes, tels que la livraison et la surveillance, en améliorant significativement la couverture de détection, les revenus des livreurs et l'efficacité globale grâce à des algorithmes de maximisation sous-modulaire et d'apprentissage par renforcement.
Cette étude explore les attentes des parents concernant la modération des interactions de leurs enfants avec les chatbots de génération d'IA, révélant le besoin de contrôles personnalisés, d'une transparence granulaire au niveau de la conversation et de la prise en compte de préoccupations actuellement négligées par les outils existants.
Cette étude évalue la capacité et les limites des agents pilotés par des LLM à auditer de manière scalable la présence de « dark patterns » sur des sites web de courtiers de données en automatisant la soumission de demandes de droits CCPA.
Ce papier présente IROSA, un cadre novateur combinant des modèles de langage pré-entraînés et une architecture basée sur des outils pour permettre l'adaptation interactive et sécurisée des compétences robotiques via des commandes en langage naturel, sans nécessiter de fine-tuning du modèle.
Cet article propose le cadre « Field Atlas », fondé sur la cognition 4E et l'inférence active, pour transformer l'apprentissage sur le terrain en faisant de l'IA un partenaire épistémique qui favorise la compréhension par le dialogue et évalue les trajectoires d'apprentissage incarnées plutôt que les produits finaux.
Le papier présente FeedAIde, une approche interactive utilisant des modèles de langage multimodaux pour poser des questions contextuelles aux utilisateurs et générer des rapports de retour d'expérience plus complets et utiles pour les développeurs d'applications mobiles.
L'article présente LikeThis!, une approche basée sur l'IA générative qui transforme les retours utilisateurs vagues en suggestions d'amélioration d'interface concrètes et actionnables en générant des alternatives visuelles à partir de captures d'écran, validées par des études de benchmark et une évaluation utilisateur démontrant une meilleure collaboration entre utilisateurs et développeurs.
Bien que ChatGPT améliore temporairement la performance créative humaine, cette étude révèle que l'arrêt de son utilisation entraîne un retour à la baseline et que son emploi induit une homogénéisation durable des contenus, remettant ainsi en cause sa capacité à soutenir la créativité à long terme.