4197 articles
Ce papier présente Swimba, une méthode qui intègre des experts dans les modèles d'espace d'état sélectifs via un mélange de paramètres plutôt que de trajectoires d'état, permettant ainsi d'augmenter la capacité du modèle tout en maintenant un coût de récurrence dominant fixe.
Cet article présente une approche combinant éléments finis et réseaux de neurones physiquement cohérents pour modéliser l'élasticité de Cosserat, intégrant des critères de validation basés sur la stabilité énergétique (quasi-convexité et inégalités de Legendre-Hadamard) pour garantir que les solutions apprises correspondent à des minimiseurs d'énergie stables.
Cet article propose les MDPs joints (JMDPs), un formalisme étendant les MDPs classiques pour modéliser les dépendances conjointes entre les contre-factuels d'actions via un modèle de transition multi-action, permettant ainsi le développement d'algorithmes de programmation dynamique et incrémentaux avec garanties de convergence pour les moments d'ordre supérieur des retours.
Cette étude démontre que les représentations vectorielles (embeddings) de modèles fondationnels de l'ADN, partagées via des services EaaS, sont vulnérables à des attaques d'inversion permettant de reconstruire avec une grande précision les séquences génomiques sensibles, révélant ainsi des lacunes critiques dans la protection de la vie privée de ces outils.
Cette étude démontre que la sparsification de graphes, en réduisant le nombre d'arêtes, constitue une étape de prétraitement légère et efficace qui accélère considérablement l'entraînement et l'inférence des réseaux de neurones graphiques (GNN) à grande échelle tout en préservant, voire en améliorant, leur précision.
Cet article démontre que l'entraînement par renforcement avec des récompenses de processus permet de surmonter la barrière de support du modèle de base et d'éviter la malédiction de la dimensionnalité, contrairement aux récompenses de résultats qui peuvent nécessiter un nombre exponentiel de requêtes pour dépasser le support initial.
Le papier présente Chart-RL, une méthode d'apprentissage par renforcement utilisant des récompenses mathématiquement vérifiables qui améliore significativement la compréhension des graphiques par les modèles vision-langage, démontrant que la complexité des tâches d'entraînement est plus déterminante que le volume de données pour obtenir une généralisation robuste et des capacités de raisonnement transférables.
Cette étude propose une méthode d'apprentissage par imitation qui, soutenue par une analyse théorique des cycles limites et des cartes de retour de Poincaré, permet d'entraîner des politiques de locomotion pour quadrupèdes robustes à partir de quelques secondes de démonstration uniquement en mode hors ligne.
Cet article propose un cadre d'oubli machine basé sur la méthode SISA pour la localisation des courts-circuits entre spires dans les transformateurs de puissance, permettant de supprimer efficacement l'influence des données empoisonnées en réentraînant uniquement les sous-ensembles affectés plutôt que le modèle entier, ce qui réduit considérablement le temps de calcul tout en maintenant une précision de diagnostic équivalente.
Cette étude présente un cadre d'apprentissage par renforcement sur graphes intégrant l'analyse topologique des données pour optimiser la reconfiguration et le délestage des réseaux de distribution d'électricité, améliorant ainsi significativement leur résilience face aux pannes et aux cyberattaques.
Ce papier propose le cadre CUOT et le modèle CUOTM pour surmonter la sensibilité aux outliers des cartes de transport optimal conditionnel classique en assouplissant les contraintes d'appariement des distributions via des pénalités de divergence de Csiszár, tout en préservant rigoureusement les marginales conditionnelles.
Ce papier propose NePPO, une nouvelle méthode d'optimisation de politique pour l'apprentissage par renforcement multi-agent dans des jeux à somme générale, qui apprend une fonction de potentiel commune pour approximer un équilibre de Nash et surpasse les approches existantes comme MAPPO et MADDPG.
Ce papier présente Diffusion Controller (DiffCon), un cadre unifié de théorie du contrôle qui reformule l'échantillonnage de diffusion inversée comme un problème de contrôle stochastique, permettant de développer des méthodes d'apprentissage par renforcement et une paramétrisation efficace par réseau secondaire pour améliorer l'alignement des préférences et l'efficacité de l'adaptation des modèles de diffusion préentraînés.
Cet article démontre que la régulation de l'équité basée uniquement sur l'absence d'effet moyen de traitement (ATE) peut masquer des inégalités causales significatives via un problème d'optimisation linéaire, soulignant la nécessité de passer d'une régulation au niveau des décisions à une régulation au niveau des modèles pour détecter ces biais cachés.
Cet article propose une méthode adaptative utilisant des modèles de langage multimodaux pour découvrir rapidement des attributs audio interprétables et améliorer la classification en ressources limitées, surpassant les approches humaines traditionnelles en efficacité et en rapidité.
Cet article propose un nouveau problème d'apprentissage en ligne appelé « Combinatorial Allocation Bandits » (CAB) pour les plateformes de mise en correspondance, qui vise à maximiser la satisfaction globale des utilisateurs plutôt que le simple nombre de correspondances, en développant et en évaluant des algorithmes basés sur la borne de confiance supérieure et l'échantillonnage de Thompson.
Ce papier présente Self-MOA, un cadre entièrement automatisé qui aligne les petits modèles de langage sur des objectifs de sécurité et d'utilité grâce à une supervision faible générée dynamiquement, réduisant ainsi la dépendance aux données annotées par des humains tout en améliorant la sécurité de 12,41 %.
Ce papier propose un cadre méthodologique pour extrapoler les effets de traitement dans le temps en utilisant des essais répétés ou des bras de traitement communs, permettant d'estimer l'effet moyen de traitement transporté (TATE) grâce à des estimateurs doublement robustes et semi-paramétriquement efficaces.
Le papier présente RESCHED, un cadre d'apprentissage par renforcement profond minimaliste basé sur l'architecture Transformer qui, en réduisant l'espace d'état à quatre caractéristiques essentielles et en éliminant les dépendances historiques, surpasse les méthodes existantes pour résoudre le problème d'ordonnancement flexible d'atelier tout en assurant une forte généralisation à d'autres variantes d'ordonnancement.
Cet article propose un cadre fédéré adaptatif aux ressources qui combine un finetuning différentiellement privé pour les clients puissants et un mécanisme de vote léger pour les clients faibles, afin de générer des données synthétiques préservant la vie privée et alignées sur la distribution globale pour la génération de texte.