6354 articles
Le papier présente ExpGest, un cadre novateur basé sur un modèle de diffusion qui génère des gestes corporels expressifs et contrôlables en synchronisant les informations audio et textuelles pour surmonter les limitations des méthodes existantes.
Cet article examine la conception de mécanismes de médiation bilatérale optimisant les revenus dans un contexte d'information interdépendante, établissant un trilemme d'impossibilité entre l'incitation, l'obéissance et l'information, puis caractérisant les solutions optimales sous des conditions de relaxation qui révèlent des structures de seuil influençant la participation et le marché des « citrons ».
Cet article propose une variante du jeu de cailloux permettant de modéliser des graphes acycliques dirigés avec des degrés d'entrée arbitraires via des calculs partiels, démontrant que la détermination d'une stratégie optimale est NP-complète même dans des cas restreints, tout en présentant des algorithmes d'approximation pour des cas particuliers.
Cet article démontre que des bornes inférieures uniformes non déterministes pour des problèmes comme k-SAT et MAX-3-SAT impliquent l'existence de générateurs de fonctions booléennes monotones de grande taille de circuit, de matrices de haute rigidité et de tenseurs de haut rang.
Cette étude comparative analyse comment les pratiques de plateformisation distinctes de TikTok et de Spotify façonnent la production et la réception des chansons à succès, tout en révélant des influences croisées entre ces deux écosystèmes numériques.
Cette étude démontre que des agents algorithmiques apprenant sans modèle préalable peuvent développer une « collusion naïve » dans des jeux répétés, un phénomène dont l'émergence dépend crucialement de la synchronisation des actions et du type de politique d'apprentissage utilisée, allant de l'absence totale de collusion avec des algorithmes persistamment aléatoires à une collusion systématique avec des algorithmes déterministes comme UCB.
Le papier présente Prithvi-EO-2.0, un modèle fondamental géospatial open-source amélioré entraîné sur 4,2 millions d'échantillons temporels qui surpasse les modèles existants dans diverses tâches de télédétection et intègre une approche de science ouverte avec des experts du domaine pour des applications allant de la gestion des catastrophes à la surveillance des écosystèmes.
Le papier présente iLLaVA, une méthode novatrice qui accélère de manière end-to-end les modèles multimodaux en optimisant conjointement l'encodeur d'images et le LLM grâce à une stratégie de fusion de tokens recyclant l'information, permettant ainsi d'obtenir des gains significatifs en vitesse et en efficacité tout en surpassant les modèles plus petits.
Cet article établit que la complexité algorithmique de calculer un équilibre de Nash dans les concours de Tullock hétérogènes dépend crucialement du nombre de joueurs à élasticité moyenne, étant polynomiale lorsque ce nombre est logarithmiquement borné mais NP-complet au-delà, bien qu'un schéma d'approximation en temps polynomial (FPTAS) permette de résoudre efficacement les cas difficiles.
Le papier propose LangSurf, une méthode qui améliore la compréhension des scènes 3D en alignant précisément les champs linguistiques sur les surfaces des objets grâce à une stratégie d'entraînement conjoint et un module d'attention contextuelle hiérarchique, surpassant ainsi les méthodes existantes pour des tâches de segmentation, de suppression et d'édition d'instances.
Cet article propose un cadre d'évaluation de la résilience des réseaux électriques basé sur l'apprentissage profond, qui intègre des données historiques de pannes et de conditions météorologiques pour prédire la résilience au niveau des événements et orienter les investissements ciblés dans les ressources énergétiques distribuées.
Cet article propose une méthode efficace d'identification des versions de firmware IoT basée sur l'apprentissage par transfert et des réseaux de neurones jumeaux, capable de détecter les changements subtils dans le trafic réseau avec une faible quantité de données d'entraînement.
Cette étude de cas examine l'impact du CGScholar AI Helper sur le développement de l'écriture d'élèves de 11e année dans un contexte défavorisé, révélant que les retours personnalisés générés par l'IA soutiennent leur progression tout en identifiant des pistes d'amélioration pour l'outil.
Cet article présente la première approche systématique d'analyse de propagation de données statique et dynamique pour les API Graph, visant à détecter automatiquement les contrôles d'accès brisés en modélisant les appels d'API via des règles de transformation de graphes et en appliquant l'analyse des paires critiques.
Cet article propose une méthode d'estimation de terme guidé basée sur le maximum a posteriori (MAP) permettant d'adapter des modèles de diffusion préentraînés de manière agnostique aux problèmes d'inversion, améliorant ainsi la préservation des structures et la cohérence des résultats dans des tâches comme la super-résolution et l'inpainting.
Le papier présente VL-Nav, une approche neuro-symbolique pour la navigation vision-langage qui combine raisonnement neuronal et guidage symbolique afin de permettre aux robots de décomposer des tâches complexes et d'explorer efficacement de grands environnements inconnus, atteignant des taux de réussite élevés dans des défis réels et simulés.
Ce papier de recherche propose un cadre technique et une taxonomie pour analyser systématiquement les arguments de sécurité invoqués par les géants technologiques pour s'opposer à l'interopérabilité dans le contexte des procédures antitrust européennes, en examinant leurs motivations économiques et leurs impacts réels à travers plusieurs études de cas.
Le papier présente Prompt-SID, un cadre d'apprentissage auto-supervisé pour le débruitage d'images uniques qui préserve les détails structurels grâce à un modèle de génération de représentations basé sur la diffusion latente et un mécanisme de réjouissance d'échelle, surpassant les méthodes existantes sur divers jeux de données synthétiques et réels.
Cet article présente une enquête complète sur l'IA générative responsable, proposant un cadre unifié intégrant gouvernance, évaluation technique et déploiement sectoriel pour orienter le développement durable et sécurisé de ces systèmes.
Cette étude propose une méthode de classification des sous-types de gliomes atteignant une précision de 99,25 % en fusionnant des images IRM multimodales prétraitées via une architecture UNET 2D/3D et une technique de moyenne pondérée, puis en les soumettant à un modèle ResNet50.