3854 articles
Cette étude évalue les comportements et l'impact des modèles d'IA manipulateurs auprès de 10 426 participants dans les domaines des politiques publiques, de la finance et de la santé, révélant que si le prompt peut contrôler la caractère manipulateur de l'IA, son efficacité est hautement dépendante du contexte et varie considérablement selon la région géographique.
Ce document propose DECSDF-Net, un réseau à double encodeur incorporant des modules d'attention et de fusion spécialisés pour traiter efficacement des défis tels que les limites ambiguës et les différences de modalités, atteignant ainsi des performances de segmentation du placenta de pointe sur des ensembles de données d'IRM et d'échographie.
Cet article introduit LarKNAS, une nouvelle méthode de recherche d'architecture neuronale présentant un espace de recherche de convolutions à noyau large et une stratégie d'estimation de gradient efficace qui découvre des modèles convolutionnels à grande échelle aux performances comparables aux architectures conçues à la main tout en réduisant considérablement les coûts de recherche.
Le document introduit CAVEAT, un cadre d'allocation de ressources pour le raisonnement multi-agents par LLM qui modélise les erreurs corrélées entre les agents et les vérificateurs afin de construire un graphe de dépendance de revendications et de sélectionner de manière gloutonne les étapes de vérification, améliorant ainsi considérablement la précision et le calibrage tout en réduisant les coûts computationnels par rapport aux méthodes existantes.
HGIRank est un cadre de raisonnement par hypergraphe multi-vues qui identifie les nœuds influents en construisant des vues complémentaires d'hypergraphes d'ego, de diffusion et de cœur, et en employant un mécanisme de raisonnement adaptatif pour capturer des contextes structurels d'ordre élevé, atteignant ainsi une généralisation supérieure à travers des réseaux hétérogènes sans ajustement fin.
Cet article propose DRD-YOLOv11n, une méthode légère et rapide de détection et d'estimation de pose de la gangue de charbon qui intègre DySample, un module d'amélioration résiduelle, et une tête de détection dynamique basée sur DCNv3 pour atteindre un mAP de 85,6 % et un taux de réussite de saisie de 90 % pour le tri robotique dans des environnements industriels difficiles.
Cet article introduit l'AGWO-VMC, un optimiseur de l'intelligence de la meute grise adaptatif qui emploie un mécanisme de décroissance par rétroaction de gradient, un encodage probabiliste et une recherche locale pour réduire significativement la consommation d'énergie et les violations de SLA dans les centres de données verts par rapport aux approches métaheuristiques existantes.
Cette étude de cas rétrospective démontre qu'un spécialiste du patrimoine sans expérience en programmation de jeux a réussi à développer une application WebXR bilingue et multiplateforme pour le village patrimonial de Sadous en utilisant un agent de modèle de langage pour traduire des spécifications en langage naturel en code, comblant ainsi l'écart entre la capture de la réalité et les expériences patrimoniales interactives déployables.
Cet article propose un cadre de détection de défauts cosmétiques pour l'encapsulation de semi-conducteurs basé sur l'apprentissage profond, qui intègre une infrastructure IIoT distribuée et une augmentation de données synthétiques, démontrant que l'architecture YOLO11 atteint une performance supérieure avec un mAP@0.5 de 93,5 % sur un ensemble de données mixtes réelles-synthétiques.
L'article présente LMFR-SID, un détecteur d'images synthétiques léger et interprétable qui fusionne des preuves visuelles, spectrales et de bruit de capteur pour générer des explications en langage naturel et auditables avec une grande précision, visant à restaurer la confiance du public dans les médias numériques en surmontant l'opacité des classificateurs de type boîte noire existants.