cs.LG articles | Gist.Science

Out-of-distribution transfer of PDE foundation models to material dynamics under extreme loading

Cette étude évalue la capacité de transfert hors distribution de modèles de base pour les équations aux dérivées partielles (POSEIDON et MORPH), préentraînés sur des benchmarks fluides, vers la dynamique des matériaux sous chargements extrêmes, en comparant leur efficacité échantillonnaire lors du réglage fin par rapport à un entraînement à partir de zéro sur des régimes dominés par des discontinuités.

Mahindra Rautela, Alexander Most, Siddharth Mansingh + 9 more2026-03-05🤖 cs.LG

Efficient Refusal Ablation in LLM through Optimal Transport

Cet article propose un cadre novateur fondé sur le transport optimal pour contourner les mécanismes de sécurité des grands modèles de langage en transformant la distribution complète des activations nuisibles, surpassant ainsi les méthodes d'attaque existantes tout en révélant que les mécanismes de refus sont localisés dans des couches spécifiques du réseau.

Geraldin Nanfack, Eugene Belilovsky, Elvis Dohmatob2026-03-05🤖 cs.AI

RoboCasa365: A Large-Scale Simulation Framework for Training and Benchmarking Generalist Robots

Le papier présente RoboCasa365, un cadre de simulation à grande échelle et reproductible conçu pour entraîner et évaluer des robots généralistes dans des environnements domestiques, en offrant 365 tâches variées à travers 2 500 cuisines et des milliers d'heures de données de démonstration pour analyser les facteurs clés de la généralisation.

Soroush Nasiriany, Sepehr Nasiriany, Abhiram Maddukuri + 1 more2026-03-05🤖 cs.AI

Dissecting Quantization Error: A Concentration-Alignment Perspective

Cet article propose une nouvelle perspective sur l'erreur de quantification basée sur la concentration et l'alignement, menant à la création de transformations légères (CAT) qui améliorent significativement la précision des modèles de langage à 4 bits en optimisant conjointement ces deux facteurs.

Marco Federici, Boris van Breugel, Paul Whatmough + 1 more2026-03-05🤖 cs.AI

Robust Unscented Kalman Filtering via Recurrent Meta-Adaptation of Sigma-Point Weights

Cet article présente le MA-UKF, un cadre innovant qui améliore la robustesse du filtre de Kalman non scindé en utilisant l'apprentissage méta récurrent pour optimiser dynamiquement les poids des points sigma afin de s'adapter aux dynamiques variables et au bruit non gaussien.

Kenan Majewski, Michał Modzelewski, Marcin Żugaj + 1 more2026-03-05🤖 cs.LG

Dual-Modality Multi-Stage Adversarial Safety Training: Robustifying Multimodal Web Agents Against Cross-Modal Attacks

Cet article propose le DMAST, un cadre d'entraînement de sécurité adversaire en deux modalités et trois étapes qui, en formalisant l'interaction agent-attaquant comme un jeu à somme nulle, renforce considérablement la robustesse et l'efficacité des agents web multimodaux face aux attaques croisées exploitant à la fois les captures d'écran et les arbres d'accessibilité.

Haoyu Liu, Dingcheng Li, Lukas Rutishauser + 1 more2026-03-05🤖 cs.AI

Low-Resource Guidance for Controllable Latent Audio Diffusion

Cet article présente une méthode à faible coût computationnel pour le contrôle de modèles de diffusion audio latents, utilisant des têtes de contrôle latentes (LatCHs) et une sélection de TFG afin d'obtenir des sorties audio générées avec une précision accrue sur l'intensité, la hauteur et le rythme sans nécessiter de réentraînement massif du modèle.

Zachary Novack, Zack Zukowski, CJ Carr + 6 more2026-03-05🤖 cs.AI

Robustness of Agentic AI Systems via Adversarially-Aligned Jacobian Regularization

Cet article propose la régularisation de Jacobien alignée aux attaques (AAJR), une méthode qui améliore la robustesse des systèmes d'IA agentic en contrôlant la sensibilité uniquement le long des directions d'ascension adversaires, évitant ainsi les restrictions conservatrices des bornes globales tout en garantissant la stabilité de l'optimisation minimax.

Furkan Mumcu, Yasin Yilmaz2026-03-05🤖 cs.AI

Turning Trust to Transactions: Tracking Affiliate Marketing and FTC Compliance in YouTube's Influencer Economy

En analysant deux millions de vidéos sur une décennie, cette étude révèle que la pratique du marketing d'affiliation sur YouTube est omniprésente mais que le respect des règles de divulgation de la FTC reste faible, soulignant le rôle crucial des fonctionnalités standardisées de la plateforme pour améliorer la conformité.

Chen Sun, Yash Vekaria, Zubair Shafiq + 1 more2026-03-05🤖 cs.LG

ZipMap: Linear-Time Stateful 3D Reconstruction with Test-Time Training

Le papier présente ZipMap, un modèle feed-forward étatique qui réalise une reconstruction 3D bidirectionnelle en temps linéaire grâce à un entraînement au moment du test, surpassant ainsi l'efficacité des méthodes quadratiques actuelles tout en préservant, voire en améliorant, la qualité de reconstruction.

Haian Jin, Rundi Wu, Tianyuan Zhang + 4 more2026-03-05🤖 cs.AI

SELDON: Supernova Explosions Learned by Deep ODE Networks

Le papier présente SELDON, un nouveau modèle d'autoencodeur variationnel continu intégrant des réseaux de neurones basés sur des équations différentielles ordinaires (ODE) pour modéliser de manière interprétable les courbes de lumière astrophysiques éparses et irrégulières, permettant ainsi une inférence rapide et une priorisation efficace des observations de supernovae face au flux massif de données attendu du télescope Vera C. Rubin.

Jiezhong Wu, Jack O'Brien, Jennifer Li + 6 more2026-03-05🔭 astro-ph

Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification

Cet article présente HLOBA, une méthode d'assimilation de données hybride-ensemble opérant dans un espace latent appris par autoencodeur, qui combine efficacement précision, rapidité et quantification des incertitudes pour la prévision météorologique.

Hang Fan, Juan Nathaniel, Yi Xiao + 5 more2026-03-05🤖 cs.LG

SimpliHuMoN: Simplifying Human Motion Prediction

Le papier présente SimpliHuMoN, un modèle transformer simple et efficace capable de prédire simultanément les trajectoires et les poses humaines avec des performances de pointe sur plusieurs benchmarks, sans nécessiter de modifications spécifiques à chaque tâche.

Aadya Agrawal, Alexander Schwing2026-03-05🤖 cs.LG

Loss Barcode: A Topological Measure of Escapability in Loss Landscapes

Cet article propose une nouvelle mesure topologique, le « TO-score » basé sur les barcodes de la fonction de perte, pour quantifier l'échappabilité des minima locaux et démontrer que les obstructions topologiques diminuent avec la complexité du réseau tout en étant corrélées à l'erreur de généralisation.

Serguei Barannikov, Daria Voronkova, Alexander Mironenko + 4 more2026-03-04🤖 cs.LG

Thought Flow Nets: From Single Predictions to Trains of Model Thought

Cet article propose les « Thought Flow Nets », une méthode inspirée de la dialectique hégélienne permettant aux modèles d'affiner leurs réponses par des itérations d'auto-correction, ce qui améliore non seulement leurs performances mais aussi la perception et les résultats des utilisateurs humains.

Hendrik Schuff, Heike Adel, Ngoc Thang Vu2026-03-04🤖 cs.LG

Is Attention always needed? A Case Study on Language Identification from Speech

Cette étude propose un modèle de CRNN pour l'identification de la langue à partir de la parole, démontrant une précision supérieure à 98 % sur treize langues indiennes et une forte robustesse au bruit, tout en questionnant la nécessité systématique des mécanismes d'attention par rapport aux architectures existantes.

Atanu Mandal, Santanu Pal, Indranil Dutta + 2 more2026-03-04⚡ eess

Network Topology Optimization via Deep Reinforcement Learning

Cet article propose DRL-GS, un nouvel algorithme d'apprentissage par renforcement profond intégrant un vérificateur, un réseau de neurones à graphes et un agent d'exploration, pour optimiser efficacement les topologies réseau en surmontant les limitations des méthodes heuristiques traditionnelles.

Zhuoran Li, Xing Wang, Ling Pan + 5 more2026-03-04🤖 cs.AI

Importance Weighting Correction of Regularized Least-Squares for Target Shift

Cet article établit que la pondération par l'importance permet de corriger efficacement le décalage de cible dans la régression des moindres carrés régularisée en conservant les taux de convergence optimaux, tout en démontrant que toute erreur d'estimation des poids induit un biais irréductible.

Davit Gogolashvili2026-03-04📊 stat

A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design

Cet article propose l'algorithme CLUB, une approche d'apprentissage par renforcement qui optimise les prix de réserve dans des enchères à second prix multi-étapes en surmontant les défis de la manipulation des enchérisseurs et de l'incertitude sur le bruit du marché pour atteindre une faible régression de revenus.

Rui Ai, Boxiang Lyu, Zhaoran Wang + 2 more2026-03-04📊 stat

A Global Optimization Algorithm for K-Center Clustering of One Billion Samples

Cet article présente un algorithme d'optimisation globale pratique pour le clustering K-center, basé sur une méthode de branch-and-bound en espace réduit avec des bornes inférieures décomposables, capable de résoudre des problèmes d'un milliard d'échantillons en parallèle et d'améliorer significativement les résultats par rapport aux méthodes heuristiques existantes.

Jiayang Ren, Ningning You, Kaixun Hua + 2 more2026-03-04🤖 cs.LG

← Précédent Suivant →