8580 articles
Cette étude démontre que l'utilisation de SAM-Audio pour débruiter la parole avant la transcription par Whisper, bien qu'améliorant la qualité acoustique, dégrade systématiquement les performances de reconnaissance automatique de la parole en mode zéro-shot, révélant ainsi un décalage fondamental entre la clarté perceptive pour l'humain et la robustesse pour la machine.
Cette étude propose des améliorations probabilistes au modèle Dreamer permettant l'exploration parallèle d'états latents et le maintien d'hypothèses distinctes pour des futurs mutuellement exclusifs, ce qui se traduit par de meilleures performances et une variance réduite sur le domaine MPE SimpleTag.
Cet article propose une approche hybride combinant modélisation théorique et benchmarking empirique pour déterminer l'allocation optimale des ressources de calcul dans les inférences LLM préfixées-décomposées, en tenant compte des contraintes de débit total, des objectifs de niveau de service (SLO) et des caractéristiques des requêtes.
Cette étude présente une évaluation systématique des méthodes de compression de réseaux de neurones (élagage, quantification et distillation de connaissances) pour la classification d'images hyperspectrales, démontrant qu'elles permettent de réduire significativement la taille et le coût computationnel des modèles tout en maintenant des performances de classification compétitives pour le déploiement sur des plateformes à ressources limitées.
Ce papier présente « Model Medicine », un cadre clinique novateur qui adapte les principes de la médecine biologique pour diagnostiquer, traiter et prévenir les dysfonctionnements des modèles d'IA grâce à une taxonomie structurée, un modèle comportemental empirique, un outil d'imagerie neuronale et des protocoles de soins standardisés.
Ce papier présente Count Bridges, un processus de pont stochastique sur les entiers qui permet la modélisation générative et la déconvolution de données transcriptomiques agrégées en traitant les comptages cellulaires individuels comme des variables latentes via une approche de type espérance-maximisation.
Cet article révèle que les exemples inapprenables (UE) deviennent vulnérables face aux modèles préentraînés, et propose la méthode BAIT pour rétablir leur efficacité en forçant le modèle à ignorer les connaissances sémantiques préexistantes et à se fier aux perturbations injectées.
Cet article présente la distribution-conditioned transport (DCT), un cadre d'apprentissage qui conditionne les cartes de transport sur des embeddings de distributions pour généraliser à des paires de distributions inédites et améliorer les prévisions dans divers domaines biologiques.
Cet article propose les « Interactive Benchmarks », un nouveau paradigme d'évaluation unifié qui mesure la capacité de raisonnement des modèles dans des processus interactifs sous contraintes budgétaires, démontrant ainsi que les benchmarks traditionnels sont insuffisants et qu'il existe encore d'importantes marges de progression dans les scénarios interactifs.
Cet article présente CONE, un modèle hybride pré-entraîné qui encode les nombres, les intervalles et les gaussiennes avec leurs unités et attributs dans un espace vectoriel préservant la distance, démontrant ainsi des capacités de raisonnement numérique supérieures aux modèles de l'état de l'art sur des tâches complexes.
Le document présente KindSleep, un cadre d'apprentissage profond qui intègre des connaissances cliniques aux données d'oxymétrie et cliniques pour diagnostiquer avec précision et de manière transparente l'apnée obstructive du sommeil, surpassant les méthodes existantes sur de vastes ensembles de données.
Bien que la famille de modèles GPT-5 représente une avancée significative vers un raisonnement clinique multimodal intégré en surpassant GPT-4o dans la synthèse textuelle et l'analyse d'images, cette étude démontre qu'elle ne remplace pas encore les systèmes spécialisés dans des tâches de perception critique hautement spécifiques comme la neuroradiologie et la mammographie.
Ce papier présente ConTSG-Bench, un benchmark unifié et à grande échelle conçu pour évaluer systématiquement les modèles de génération de séries temporelles conditionnelles à travers diverses modalités et niveaux d'abstraction sémantique, révélant ainsi les limites actuelles et les axes de recherche prioritaires dans ce domaine.
Cet article propose un cadre d'apprentissage par renforcement distributionnel intégrant un goulot d'étranglement informationnel et une optimisation du risque conditionnel pour l'égalisation DRAM, permettant d'accélérer considérablement le processus tout en garantissant des performances optimales dans le pire des cas avec une quantification rigoureuse de l'incertitude.
Cet article présente la première caractérisation de l'équivalence distributionnelle et une méthode d'apprentissage sans hypothèses structurelles pour les modèles causaux cycliques linéaires non gaussiens avec variables latentes, en introduisant de nouvelles contraintes de rang d'arêtes pour identifier les graphes équivalents.
Cet article propose une méthode novatrice et efficace, nommée Diffusion Policy through Conditional Proximal Policy Optimization, qui permet d'entraîner des politiques de diffusion en apprentissage par renforcement on-policy en alignant l'itération de la politique sur le processus de diffusion, surmontant ainsi les défis de calcul de vraisemblance et permettant une génération d'actions multimodales performante.
Cet article propose la Reconstruction Contrastive par Diffusion (DCR), une méthode qui intègre des signaux contrastifs dérivés des images reconstruites dans le processus de diffusion pour surmonter les limites des encodeurs visuels CLIP et équilibrer simultanément les capacités de discrimination et de perception des détails.
Cet article démontre théoriquement que les biais inductifs des réseaux de neurones convolutifs, à savoir la localité et le partage de poids, permettent une généralisation efficace sur des données sphériques en contournant la malédiction de la dimensionnalité, contrairement aux réseaux entièrement connectés qui échouent dans ce régime.
Ce papier présente WhisperAlign, une solution combinant un découpage audio basé sur WhisperX et un affinage spécifique du domaine de Pyannote, pour améliorer la reconnaissance automatique de la parole et la diarisation dans des enregistrements bengalis longs et multi-locuteurs.
Cet article établit un lien entre la polarité quadratique et les divergences de Fenchel-Young polaires en montrant que les polarités génériques peuvent être exprimées via la polarité de Legendre déformée et manipulées par algèbre linéaire, offrant ainsi une nouvelle compréhension de la dualité de référence en géométrie de l'information et une interprétation des divergences de Bregman totales.