5633 articles
Cette étude propose une nouvelle fonction de perte différentiable basée sur l'erreur d'étalonnage moyenne (mL1-ACE) pour améliorer la fiabilité des réseaux de neurones en segmentation d'images médicales, permettant aux praticiens de mieux contrôler le compromis entre la précision de la segmentation et la fiabilité des incertitudes prédites.
Ce papier présente SOTA, un cadre d'ensemble sans entraînement qui utilise le transport optimal auto-adaptatif pour combiner efficacement les forces complémentaires de multiples modèles fondation (visuels et vision-langage) et améliorer les performances de classification zéro-shot sur divers domaines.
L'étude révèle que l'algorithme des Notes Communautaires de X, conçu pour privilégier le consensus bipartisan, sous-moderne systématiquement les contenus polarisants liés aux élections, créant ainsi des risques pour les processus démocratiques.
Cette étude présente Shiksha Copilot, un outil d'IA déployé dans les écoles gouvernementales du Karnataka, qui, en facilitant la co-création et la personnalisation de plans de leçons bilingues pour plus de 1 000 enseignants, réduit leur charge administrative et le stress tout en favorisant une transition vers des pédagogies actives, bien que des contraintes systémiques limitent l'ampleur du changement pédagogique.
Ce papier propose une enquête systématique sur l'interprétabilité des modèles de reconnaissance visuelle, en établissant une taxonomie multidimensionnelle centrée sur l'humain, en évaluant les métriques et les applications, et en explorant l'avenir des grands modèles de langage multimodaux pour guider la recherche future.
Le papier présente RightTyper, une nouvelle approche hybride pour Python qui génère des annotations de types précises en combinant l'analyse statique avec des observations d'exécution réelles via un échantillonnage adaptatif, offrant ainsi une qualité supérieure aux méthodes existantes avec une surcharge d'exécution limitée à environ 27 %.
Cette étude psychosociale menée auprès d'auditeurs italiens révèle que, bien qu'ils routinisent leur usage des plateformes musicales, ils manquent de compréhension critique des algorithmes et ont une conscience limitée des biais de genre, soulignant ainsi la nécessité d'intégrer des perspectives psychosociales dans la conception de systèmes de recommandation musicaux plus fiables et culturellement sensibles.
Cet article présente le CMIC, un modèle de compression d'images appris basé sur le Mamba adaptatif au contenu (CAM), qui surpasse les performances de l'état de l'art (VTM-21.0) en surmontant les limitations des scans rigides grâce à une permutation dynamique des tokens et à l'injection de priors globaux spécifiques à l'échantillon.
Cet article présente le premier jeu de données open-source à grande échelle et des modèles novateurs pour la conversion de la parole en LaTeX, couvrant des équations et des phrases mathématiques en anglais et en russe, et établissant de nouveaux benchmarks qui surpassent significativement les méthodes existantes.
Cet article propose un cadre d'inférence de niveau 2 pour déduire les estimations que les agents ont des objectifs des autres, surmontant ainsi les limites des approches de niveau 1 qui supposent une connaissance complète et partagée des intentions dans les interactions stratégiques décentralisées.
Le papier propose DSER, un cadre géométrique innovant qui utilise une régularisation spectrale dans le domaine épipolaire pour réaliser une estimation de profondeur dense et précise sur des champs de lumière, en surmontant les défis liés aux occlusions et aux régions sans texture grâce à une inférence hybride efficace.
Cette étude quasi-expérimentale démontre que les modèles de langage peuvent générer avec une grande pertinence des spécifications comportementales Gherkin à partir de réglementations sur la sécurité alimentaire, tout en soulignant la nécessité d'une supervision humaine pour corriger les omissions et les hallucinations.
Le papier présente DAWN, un cadre unifié de diffusion pour le contrôle robotique qui relie l'intention de mouvement de haut niveau aux actions de bas niveau via une représentation structurée du mouvement des pixels, atteignant des performances de pointe sur les benchmarks CALVIN et MetaWorld tout en démontrant une transférabilité fiable vers le monde réel avec un réglage fin minimal.
Le papier présente Dolphin, une méthode efficace de séparation de la parole audio-visuelle qui utilise un encodeur vidéo léger pour transformer les mouvements des lèvres en tokens sémantiques discrets et un séparateur avec une attention globale-locale multi-échelle, surpassant les modèles actuels en qualité de séparation tout en réduisant considérablement les paramètres et le temps d'inférence.
Le papier propose PD-Diag-Net, un réseau de neurones guidé par des connaissances cliniques qui intègre des prérequis sur les régions cérébrales et le vieillissement pour diagnostiquer la maladie de Parkinson à partir d'IRM brutes, atteignant une précision de 86 % sur des données externes et surpassant les méthodes existantes de plus de 20 %.
Ce papier présente Farsighted-LAM et SSM-VLA, des cadres d'apprentissage qui améliorent la robustesse et l'interprétabilité des modèles Vision-Language-Action en intégrant une encodage spatial géométrique, une modélisation temporelle multi-échelle et un raisonnement explicite sur la dynamique de l'environnement.
Cet article propose un cadre de distillation de connaissances vision-langage qui combine un réseau de neurones à impulsions adaptatif pour le découpage optimal des flux d'événements et un modèle étudiant basé sur CNN, permettant ainsi la détection d'objets à vocabulaire ouvert sur des données d'événements en exploitant la compréhension sémantique de CLIP via des images.
Ce papier propose une nouvelle stratégie d'apprentissage auto-supervisé pour les problèmes inverses à partir de données incomplètes, qui combine une nouvelle définition d'équivariance et des pertes de séparation pour obtenir des estimations non biaisées et atteindre des performances de pointe dans des modèles fortement sous-déterminés.
Le papier présente Symskill, un cadre unifié qui apprend conjointement des abstractions symboliques et des compétences à partir de démonstrations non étiquetées pour permettre à un robot d'exécuter et de composer des tâches de manipulation à long horizon de manière réactive et efficace en termes de données, tout en assurant une récupération en temps réel face aux échecs.
Cet article propose GRAMPUS, une théorie des types modaux gradués qui utilise des grades temporels pour formaliser sémantiquement et catégoriellement les séquences de signaux de contrôle (pulse schedules) nécessaires à l'exécution des circuits quantiques sur des qubits supraconducteurs.