6884 articles
Cet article propose une méthode d'optimisation topologique à épaisseur variable intégrant une projection informée par le gradient de densité pour éliminer les régions de faible épaisseur et déflouter les bords structuraux, permettant ainsi d'obtenir des designs nets et manufacturables sans compromettre la rigidité globale.
Le papier CLIOPATRA démontre qu'il est possible de contourner les protections de confidentialité de la plateforme Clio d'Anthropic en injectant des conversations malveillantes pour extraire des données médicales sensibles d'utilisateurs cibles, révélant ainsi l'insuffisance des techniques heuristiques actuelles pour garantir la vie privée dans les systèmes d'analyse par LLM.
Ce papier présente TIMID, une nouvelle architecture de détection d'anomalies vidéo capable d'identifier des erreurs temporelles dans les exécutions de robots grâce à une supervision faible et à une évaluation sim-to-real sur un jeu de données multi-robots.
Cet article présente la première exploration de l'adaptation test-temps pour l'anticipation d'actions entre les vues égocentrique et exocentrique, en proposant un réseau innovant (DCPGN) qui utilise une croissance de prototypes multi-étiquettes et une cohérence de double indice visuel-textuel pour surmonter les écarts spatio-temporels sans nécessiter de données cibles supplémentaires.
Cet article présente la première étude systématique de la puissance expressive du langage PG-Keys par rapport aux dépendances fonctionnelles et génératives sur les graphes, établissant une hiérarchie stricte de leurs capacités au sein d'un cadre unifié pour éclairer la révision future de la norme GQL.
Ce papier présente RA-SSU, une nouvelle tâche d'apprentissage audio-visuel à granularité fine, accompagnée de deux nouveaux jeux de données annotés (f-Music et f-Lifescene) et d'un modèle de référence nommé SSUFormer, conçu pour réaliser une segmentation précise des sources sonores et générer des descriptions textuelles détaillées au niveau de chaque image.
ConfCtrl est un cadre d'interpolation vidéo basé sur l'attention à la confiance qui permet aux modèles de diffusion de générer des vues nouvelles géométriquement cohérentes et plausibles à partir de deux images, en combinant des nuages de points projetés avec des corrections résiduelles pour suivre précisément les trajectoires de caméra tout en reconstruisant les régions non vues.
L'article propose EmoSURA, un nouveau cadre d'évaluation pour les descriptions émotionnelles de la parole qui remplace le scoring global par une vérification atomique ancrée dans l'audio et introduit le benchmark SURABench pour surmonter les limites des métriques traditionnelles et des juges LLM sur les contextes longs.
Le papier présente BrainSTR, un cadre d'apprentissage contrastif spatio-temporel conçu pour modéliser les réseaux cérébraux dynamiques de manière interprétable en identifiant des phases critiques et des sous-réseaux pertinents pour le diagnostic de troubles neuropsychiatriques tels que l'autisme, le trouble bipolaire et la dépression.
Ce papier présente VLM-Loc, un cadre innovant qui exploite le raisonnement spatial des modèles vision-langage pour la localisation texte-nuage de points, en transformant les nuages en images et graphes de scène pour une meilleure précision, et introduit le benchmark CityLoc pour évaluer cette approche.
Cette étude évalue systématiquement l'accessibilité chromatique des images générées par diffusion, introduisant une nouvelle métrique appelée « CVDLoss » pour quantifier les déficiences visuelles et mettre en évidence les limites actuelles des modèles à répondre efficacement aux consignes d'amélioration de l'accessibilité.
Cet article présente un schéma d'approximation Gap-ETH-optimal pour les problèmes du voyageur de commerce et de l'arbre de Steiner dans les espaces hyperboliques, reposant sur une nouvelle décomposition hiérarchique appelée « quadtree hyperbolique hybride » et une analyse de traversée pondérée.
Le papier présente RecThinker, un cadre agentique novateur qui améliore les systèmes de recommandation en passant d'une acquisition passive d'informations à une investigation autonome via un paradigme « Analyser-Planifier-Agir », l'utilisation dynamique d'outils pour combler les lacunes informationnelles et un pipeline d'entraînement combinant affinage supervisé et apprentissage par renforcement.
Ce papier améliore le temps d'exécution des algorithmes d'approximation pour les problèmes de -médiane et -means en espaces euclidiens de faible dimension et établit une borne inférieure presque correspondante sous l'hypothèse du temps exponentiel.
Le papier présente MissBench, un nouveau cadre et benchmark pour l'analyse affective multimodale qui standardise les protocoles de données manquantes déséquilibrées et introduit deux métriques diagnostiques (MEI et MLI) pour révéler les inégalités modales et les déséquilibres d'optimisation souvent masqués par les évaluations traditionnelles.
Cet article propose un système de cohérence des capacités (CCS) qui établit une équivalence structurelle entre les modèles de cohérence mémoire et la révocation d'autorisations multi-agents, démontrant que la stratégie RCC réduit drastiquement les opérations non autorisées par rapport aux méthodes basées sur le temps, indépendamment de la vitesse d'exécution des agents.
Ce rapport présente InternVL-U, un modèle multimodal unifié léger de 4 milliards de paramètres qui démocratise les capacités de compréhension, de raisonnement, de génération et d'édition en surpassant des modèles plus volumineux grâce à une architecture modulaire et un pipeline de données axé sur le raisonnement.
Le papier présente DISPLAY, un cadre de génération vidéo d'interactions humain-objet qui utilise une guidance de mouvement épars (coordonnées du poignet et boîte englobante) et une attention focalisée sur l'objet pour produire des vidéos réalistes et contrôlables sans dépendre de signaux de contrôle denses ou de vidéos modèles.
Cette étude comparative évalue cinq approches de localisation coopérative en environnements sans caractéristiques, révélant que la méthode CI offre le meilleur équilibre entre précision et cohérence, tandis que les méthodes StCL et Standard-CL, bien que plus précises, souffrent d'incohérences critiques pour les applications de sécurité.
La deuxième édition de la piste RAG de TREC 2025 fait progresser la recherche sur les systèmes intégrant recherche et génération en introduisant des requêtes narratives complexes et une évaluation rigoureuse pour favoriser le développement de systèmes fiables et bien étayés.