2315 articles
Le papier présente NMIRacle, un cadre génératif à deux étapes qui combine des représentations de fragments et des encodeurs spectraux pour prédire avec précision les structures moléculaires à partir de données IR et RMN, surpassant ainsi les méthodes existantes en termes de précision et de robustesse.
Cet article propose un cadre théorique unificateur expliquant le biais de simplicité dans les réseaux de neurones comme résultant d'une dynamique de type « selle à selle », où l'apprentissage par descente de gradient progresse itérativement vers des solutions de complexité croissante en traversant des points de selle et des variétés invariantes.
Cet article propose un cadre d'incertitude relativiste de données (DRU) pour améliorer les images de paysages d'anime en faible luminosité, en palliant le manque de données par un jeu de données non apparié et en exploitant l'incertitude de l'éclairage pour ajuster dynamiquement les fonctions objectif et surpasser les méthodes actuelles.
En construisant des « tunnels de vent bayésiens » où la vraisemblance est connue, cette étude démontre que les transformateurs réalisent un inférence bayésienne rigoureuse grâce à un mécanisme géométrique précis impliquant des flux résiduels et une attention hiérarchique, une capacité que les architectures plates ne peuvent reproduire.
Ce papier établit que l'entraînement par entropie croisée sculpte la géométrie interne des transformateurs via une boucle de rétroaction couplée entre le routage et le contenu, agissant comme une procédure EM à deux échelles de temps qui transforme l'optimisation en raisonnement probabiliste bayésien.
Cette étude démontre que les grands modèles de langage modernes conservent un substrat géométrique favorisant l'inférence bayésienne, où les représentations de la dernière couche s'organisent selon un axe dominant corrélé à l'entropie prédictive, bien que cette géométrie constitue davantage une lecture privilégiée de l'incertitude qu'un goulot d'étranglement computationnel unique.
Le cadre d'apprentissage profond interprétable PanSubNet permet de prédire directement les sous-types moléculaires cliniquement pertinents du cancer du pancréas à partir de lames histologiques standard H&E, offrant ainsi une alternative rapide, peu coûteuse et généralisable aux tests génomiques pour la stratification des patients.
Cette étude examine le phénomène de « sur-recherche » dans les modèles de langage augmentés par la recherche, propose une nouvelle métrique d'évaluation nommée Tokens Per Correctness (TPC) pour quantifier ce problème, et présente des stratégies d'atténuation ainsi qu'un nouveau jeu de données, OverSearchQA, pour améliorer l'efficacité de ces systèmes.
Cet article propose une méthode novatrice d'échantillonnage à partir de densités de Boltzmann non normalisées en utilisant des équations différentielles ordinaires de flux dérivées d'interpolants stochastiques linéaires, où des échantillonneurs de Langevin sont employés pour générer des échantillons intermédiaires et estimer le champ de vitesse, garantissant ainsi une convergence théorique et démontrant une efficacité pratique sur des distributions multimodales complexes et des tâches d'inférence bayésienne.
Cet article présente une analyse d'erreur quantitative pour les problèmes inverses bayésiens utilisant des priors génératifs, démontrant que l'erreur a posteriori hérite du taux de convergence du prior en distance de Wasserstein, tout en validant ces résultats théoriques par des expériences numériques incluant un problème de PDE elliptique.
Ce papier propose HaKAN, un modèle de prévision de séries temporelles multivariées basé sur les réseaux KAN et des fonctions d'activation polynomiales de Hahn, qui surpasse les méthodes de l'état de l'art en offrant une alternative légère, interprétable et efficace pour capturer les motifs temporels locaux et globaux.
Cet article propose VR-SDA-A, un nouvel algorithme de descente-ascent stochastique à variance réduite intégrant une vérification de courbure par lot unique, qui surmonte la barrière de la stochasticité pour atteindre une complexité d'oracle optimale de O(ε⁻³) dans les problèmes variationnels non convexes tout en permettant une adaptation automatique du pas.
Cet article propose des réseaux de neurones bayésiens singuliers qui, en paramétrant les poids via une décomposition de rang faible, réduisent considérablement le nombre de paramètres tout en améliorant la calibration, la détection hors distribution et les performances prédictives par rapport aux approches classiques.
En utilisant des outils de physique statistique, cette étude caractérise l'émergence de distorsions dans les modèles de diffusion guidés comme une transition de phase liée au nombre de modes, démontrant que le guidage standard réduit la variance et proposant un nouveau calendrier de guidage avec une fenêtre de guidage négatif pour préserver la diversité tout en maintenant la séparabilité des classes.
Ce papier démontre que les hallucinations des grands modèles de langage sont une conséquence inévitable de l'optimisation de l'espace mémoire, car la compression d'informations dans un univers de faits clairsemés force théoriquement le modèle à attribuer une haute confiance à certains non-facts pour minimiser la perte d'information.
Ce papier propose GVP-WM, une méthode qui ancre les plans générés par vidéo dans des séquences d'actions réalisables en utilisant un modèle de monde appris pour optimiser des trajectoires latentes dynamiquement cohérentes tout en préservant l'alignement sémantique avec le plan visuel initial.
L'étude démontre que la qualité de génération des modèles de diffusion décentralisés est régie par l'alignement entre les experts et les données plutôt que par la stabilité numérique, établissant que router les entrées vers les experts dont la distribution d'entraînement correspond à l'état de débruitage actuel est essentiel pour obtenir de meilleurs résultats.
Cet article propose une approche basée sur l'échantillonnage de Thompson contextuel pour optimiser l'apprentissage des compétences dans les systèmes de recommandation éducative, en générant des séquences d'exercices personnalisés qui maximisent le gain de savoir des apprenants à grande échelle.
Cet article établit un principe d'universalité pour les modèles de tenseurs épineux asymétriques en démontrant que, sous des hypothèses de moments finis, les limites statistiques et spectrales de l'estimateur de vraisemblance maximale coïncident avec celles du cas gaussien, au-delà du cadre de bruit gaussien traditionnel.
Le papier présente BLITZRANK, un cadre fondé sur les graphes de tournoi qui permet d'identifier les meilleurs éléments parmi un ensemble via des comparaisons k-aires en exploitant les préférences transitives déduites pour réduire considérablement le nombre de requêtes nécessaires tout en maintenant une haute précision.