3860 articles
L'article présente typic-bert, un modèle de décision compact et ouvert de 396 millions de paramètres qui surpasse ses homologues plus volumineux en termes de précision et de vitesse tout en maintenant une robustesse face aux distractions de contextes longs, en prédisant directement des jugements structurés sans générer de texte.
Cet article aborde les défis éthiques de l'expérimentation logicielle en ligne en établissant un corpus de connaissances complet comprenant 16 facteurs, 48 problèmes et 53 solutions, et en introduisant le Modèle Cactus pour guider les experts dans l'identification des préoccupations éthiques, le raisonnement sur les compromis et la justification des décisions lors de la planification des expériences.
Cet article présente PAK, le premier ensemble de données de personas synthétiques de la main-d'œuvre des arts et de la culture coréens, comprenant 30 000 personas statistiquement fondés, reconstitués à partir de l'Enquête 2024 sur les artistes coréens par ajustement proportionnel itératif, ainsi qu'une évaluation exhaustive de leur précision distributionnelle et de leur qualité narrative.
Cette étude démontre que les méthodes d'apprentissage automatique d'ensemble, particulièrement XGBoost et les classificateurs de vote améliorés par SMOTE, atteignent une précision élevée (jusqu'à 98,19 %) et un rappel de crises amélioré dans la classification des signaux EEG, tout en soulignant l'importance critique de l'intégrité des données grâce à la correction d'une erreur de provenance d'un ensemble de données.
L'article présente MedConclusion, un ensemble de données à grande échelle de 5,7 millions d'abstracts biomédicaux structurés conçu pour évaluer et faire progresser l'évaluation de la capacité des grands modèles de langage à générer des conclusions scientifiques à partir de preuves structurées.
Cet article introduit un cadre de décomposition et un protocole d'évaluation sans fuite pour démontrer que les gains de classification apparents issus de l'augmentation générative dans le diagnostic de la maladie de Parkinson sont souvent des artefacts de fuite d'évaluation, révélant que si l'équilibrage dans l'espace latent produit des données synthétiques de haute fidélité, il ne parvient pas à améliorer la performance du modèle par rapport aux bases non augmentées.
Cette étude propose un cadre multimodal qui intègre les données de mouvement oculaire, d'illumination et de vitesse du véhicule à un nouvel algorithme de regroupement RaceGrid-OPTICS et à un modèle d'apprentissage profond WA-PSRSMformer pour évaluer et prédire avec précision la charge visuelle du conducteur sous des conditions d'éclairage dynamiques, atteignant une précision de 90,13 % dans les environnements de tunnels.
Contrairement à l'hypothèse prédominante selon laquelle les systèmes multi-agents surpassent les modèles uniques, cette étude démontre que, dans les contextes de soins primaires aux ressources limitées, un modèle de langage local unique et performant (GPT-oss-20b) atteint une précision diagnostique, une sécurité et une latence supérieures par rapport aux architectures multi-agents complexes, préconisant ainsi des stratégies d'« IA agile » plutôt que des flux de travail d'ensemble coûteux en termes de calcul.
Cet article présente un cadre fondé sur la simulation pour déterminer la taille d'échantillon nécessaire dans les évaluations comparatives de l'IA clinique appariées afin de remédier aux limites des méthodes traditionnelles, démontrant à travers une étude sur la dyslipidémie que la taille de l'échantillon précalculée, plutôt que la performance du système seule, dicte si des conclusions comparatives sont statistiquement atteignables.
Cet article présente MineralBench, un banc d'essai d'évaluation complet comprenant trois tâches spécialisées et quatre métriques pour évaluer et comparer systématiquement les performances de 13 grands modèles de langage dans le domaine des ressources minérales, révélant des écarts de performance significatifs entre les capacités générales et spécifiques au domaine ainsi que la nature dépendante de la tâche du réglage fin.