8523 articles
Ce papier présente AMV-L, un cadre de gestion de mémoire pour agents LLM à longue durée de vie qui remplace les politiques de rétention basées sur l'âge par une gestion de cycle de vie pilotée par la valeur, permettant ainsi de borner la taille de l'ensemble de travail de récupération et de réduire considérablement la latence extrême tout en maintenant la qualité des réponses.
Le papier présente SkillNet, une infrastructure open-source qui permet de créer, évaluer et connecter des compétences d'IA à grande échelle via une ontologie unifiée, améliorant ainsi significativement les performances des agents en évitant la redécouverte constante de solutions.
Cette recherche présente un cadre d'apprentissage automatique explicable basé sur un ensemble d'algorithmes, notamment XGBoost et Random Forest, qui offre une prédiction précise et transparente de la maladie d'Alzheimer en exploitant des données cliniques et cognitives structurées pour soutenir la prise de décision médicale.
Cet article présente MPBMC, une approche hybride combinant des représentations fonctionnelles de circuits matériels via des réseaux de neurones à graphes et des statistiques d'exécution pour regrouper intelligemment les propriétés et accélérer la vérification par model checking borné multi-propriétés.
Cet article propose le NCnet, une architecture de réseau neuronal classique qui, grâce aux compétitions de gradients entre tâches partagées, génère des corrélations non-classiques mesurées par l'inégalité de CHSH, offrant ainsi une nouvelle perspective sur les dynamiques d'entraînement et les interactions internes des réseaux profonds.
Cette étude révèle une nouvelle vulnérabilité des grands modèles de langage multimodaux où l'optimisation d'un terme de perte visant à maximiser l'instabilité numérique génère des images perturbatrices provoquant une dégradation significative des performances, même avec de minimes modifications visuelles.
Cet article propose une nouvelle méthode d'apprentissage appelée HARR (Heterogeneous Attribute Reconstruction and Representation) qui transforme les attributs hétérogènes numériques et catégoriels en un espace homogène pour optimiser la métrique de distance et améliorer la précision et l'efficacité du clustering de données mixtes.
Le papier propose VSPrefill, une méthode d'attention sparse à complexité linéaire utilisant un indexage léger et une stratégie de seuil adaptatif pour accélérer l'inférence de modèles de langage sur de longs contextes tout en préservant une grande précision.
Ce papier présente le MAD-SmaAt-GNet, un réseau de neurones multimodal guidé par l'advection qui améliore la précision et l'efficacité du prévisionnisme des précipitations en combinant l'apprentissage de multiples variables météorologiques avec une composante physique, réduisant ainsi l'erreur quadratique moyenne par rapport à l'architecture de base SmaAt-UNet.
Cette étude révèle que les modèles de langage souffrent de conflits dans les exemples few-shot car ils codent d'abord les règles contradictoires dans leurs couches intermédiaires avant de développer une confiance biaisée dans les couches tardives, un mécanisme que l'on peut atténuer en masquant sélectivement des têtes d'attention spécifiques pour améliorer les performances de plus de 10 %.
L'article présente Act-Observe-Rewrite (AOR), un cadre où un agent multimodal améliore la manipulation robotique en réécrivant itérativement son propre code de contrôle à partir de l'observation visuelle de ses échecs, sans nécessiter de démonstrations, de réingénierie des récompenses ou de mises à jour par gradient.
Cette étude propose un modèle de prédiction de trajectoire de navires en voies navigables intérieures basé sur un LSTM et des paramètres de domaine naval pour améliorer l'interprétabilité, révélant que bien que l'architecture d'attention améliore la précision, les poids appris ne reflètent pas toujours une relation causale attendue entre les trajectoires des navires.
Cet article propose un cadre novateur de « Dictionary Based Pattern Entropy » (DPE) qui, en combinant la théorie de l'information algorithmique et de Shannon, infère avec succès la direction de causalité et les sous-motifs déterminants dans les séquences symboliques temporelles en minimisant l'incertitude liée aux motifs, surpassant ainsi les méthodes existantes sur divers systèmes synthétiques et réels.
Cet article présente un système de reconnaissance d'activités utilisant un réseau de neurones convolutifs à dilatation circulaire (CDCNN) pour traiter les données multi-modales de semelles intelligentes, atteignant une précision de 86,42 % dans une évaluation indépendante du sujet et démontrant la contribution prépondérante des capteurs inertiels.
Cet article propose le cadre MTDP, une méthode de pré-entraînement par distillation multi-enseignants qui exploite des modèles fondationnels existants en vision et en séries temporelles pour améliorer l'apprentissage des modèles fondationnels EEG, surpassant ainsi les approches auto-supervisées tout en nécessitant seulement 25 % des données de pré-entraînement.
Cet article propose une modélisation bayésienne des temps d'arrêt de la conjecture de Collatz en comparant une régression hiérarchique binomiale négative et une approximation générative basée sur la décomposition en blocs impairs, démontrant que la structure modulaire de bas ordre (notamment ) est un facteur clé de l'hétérogénéité observée.
Cette étude présente Ab-Affinity, un nouveau modèle de langage large capable de prédire avec précision l'affinité de liaison des anticorps contre le SARS-CoV-2, une avancée clé pour la conception d'anticorps neutralisants grâce à l'intelligence artificielle et aux données expérimentales croissantes.
Cette étude propose un cadre d'apprentissage contrastif qui aligne les spectres X avec la littérature scientifique pour créer des représentations multimodales partagées, améliorant ainsi l'estimation de variables physiques et facilitant l'identification de sources astrophysiques rares.
Cet article présente l'apprentissage de Hessien projeté (PHL), une méthode évolutive qui intègre des informations de courbure dans l'entraînement des potentiels interatomiques basés sur l'apprentissage automatique via des produits Hessien-vecteur, permettant d'atteindre une précision de second ordre comparable à celle de l'utilisation de Hessiens complets tout en réduisant considérablement les coûts de calcul et de mémoire.
Cet article propose la signature de Volterra, une représentation de caractéristiques explicite et interprétable pour les séries temporelles non markoviennes, qui offre des garanties théoriques d'approximation universelle, permet un calcul efficace via des équations différentielles et des noyaux intégraux, et surpasse les signatures de chemin classiques dans les tâches d'apprentissage dynamique.