7210 articles
Le papier présente SPR, un cadre vision-langage-action progressif qui améliore la robustesse de la manipulation robotique en ancrant les instructions dans des sous-objectifs spatiaux et en permettant une récupération automatique des échecs via un cycle de rétroaction, surpassant ainsi les méthodes de référence sur les benchmarks LIBERO.
Cette étude analyse l'impact de la latence sur la qualité de l'expérience dans les tableaux blancs en réalité virtuelle en réseau, en examinant comment les modes de collaboration et la présence d'avatars modulent les aspects pragmatiques et hédoniques de l'expérience utilisateur.
Le papier présente CORAL, un cadre évolutif qui atténue les interférences entre tâches dans l'apprentissage robotique multi-tâches en gelant un seul modèle VLA pré-entraîné et en attachant des experts LoRA légers et isolés par tâche, permettant ainsi une gestion dynamique sans interférence paramétrique ni oubli catastrophique.
Cette étude propose un modèle combinant des indices paralinguistiques et des informations émotionnelles pour détecter le moment optimal d'une validation empathique dans le dialogue parlé japonais, sans recourir au contexte textuel, afin d'améliorer les interactions humain-robot.
Cet article présente une solution open-source basée sur un environnement d'exécution de confiance (TEE) RISC-V qui fournit un service d'entropie externe sécurisé et vérifiable pour pallier le manque de sources de hasard aléatoire chez les dispositifs IoT contraints.
L'article présente IntroSVG, un cadre génératif introspectif qui améliore la création d'images SVG à partir de texte en bouclant un modèle unique agissant à la fois comme générateur et critique pour intégrer un feedback visuel explicite et affiner les résultats via un processus itératif de génération, d'évaluation et de correction.
Le papier présente NLiPsCalib, un cadre de calibration efficace et physiquement cohérent pour les capteurs visuotactiles courbes, qui utilise la stéréophotométrie à source lumineuse proche (NLiPs) pour permettre une reconstruction 3D haute fidélité via une procédure de calibration simplifiée avec des objets quotidiens.
Ce papier présente OddGridBench, un benchmark contrôlé révélant les lacunes des modèles de langage multimodaux dans la détection de discrepancies visuelles fines, et propose OddGrid-GRPO, un cadre d'apprentissage par renforcement qui améliore significativement cette capacité grâce à un curriculum et des récompenses spatiales.
Cette étude utilise des leurres Tor déployés en 2025 pour démontrer que la découverte des sites .onion dépend presque exclusivement du moteur de recherche Ahmia et que les utilisateurs montrent un intérêt comportemental nettement plus élevé pour les contenus liés à l'exploitation sexuelle d'enfants que pour d'autres activités illégales, avec une prédominance des interactions en anglais.
Cet article présente un moteur mathématique à précision dynamique pour le microcontrôleur ESP32, combinant une arithmétique en virgule fixe, un module CORDIC et une multiplication matricielle optimisée, permettant d'accélérer significativement les calculs trigonométriques et linéaires tout en offrant une commutation runtime entre précision fixe et flottante.
Cette étude de cas démontre que, bien que ChatGPT puisse générer des spécifications de exigences système synthétiques réalistes dans une certaine mesure grâce à des itérations de prompts, les évaluations automatisées par LLM ne peuvent pas remplacer les vérifications approfondies par des experts en raison de contradictions et de lacunes détectées.
Cet article propose la calibration spectrale prédictive (PSC), un cadre sans source qui améliore l'adaptation à l'heure de test pour la régression d'images en alignant les caractéristiques cibles sur le support prédictif source et en calibrant les résidus spectraux dans le complément orthogonal, surpassant ainsi les méthodes existantes sous des décalages de distribution sévères.
Ce tutoriel publié à ICDE 2026 présente une vue d'ensemble complète de la synergie croissante entre l'IA et la recherche vectorielle, en explorant comment l'IA optimise les systèmes de recherche (AI4VS) et comment la recherche vectorielle, notamment via les frameworks RAG, améliore les capacités des modèles de langage (VS4AI) dans un cycle vertueux de co-optimisation.
Les auteurs proposent un cadre de stéganographie d'images robuste et prouvément sûr basé sur une optimisation itérative dans l'espace latent, qui améliore significativement la précision d'extraction du message sous diverses contraintes de compression tout en préservant la sécurité théorique du système.
Le papier présente ProvAgent, un cadre innovant qui remplace la collaboration humain-modèle par une coopération multi-agents pour détecter les menaces avancées grâce à un couplage identité-comportement et à une enquête autonome, surpassant ainsi les méthodes actuelles tout en réduisant considérablement les coûts d'investigation.
L'article présente EPPINN, un cadre d'apprentissage profond probabilitaire intégrant des contraintes physiques pour estimer les paramètres de perfusion en imagerie TDM cérébrale avec quantification de l'incertitude, surpassant les méthodes existantes en précision et en fiabilité pour le diagnostic des AVC ischémiques.
Le papier présente SinGeo, un cadre innovant utilisant un apprentissage par curriculum et une architecture à double discrimination pour permettre à un modèle unique d'atteindre des performances robustes et supérieures en géolocalisation croisée (CVGL) sur des champs de vision variés, surpassant ainsi les méthodes existantes.
Cet article établit explicitement que la taille d'un circuit optimal varie au plus de lors d'une perturbation ponctuelle de la table de vérité, une borne confirmée comme optimale pour via une vérification exhaustive sur la base AIG.
Cette étude présente PixelConfig, un cadre d'analyse rétro-ingénierie révélant que les configurations par défaut du Meta Pixel entraînent une adoption massive de fonctionnalités de suivi d'activité et d'identité sur les sites web, y compris ceux liés à la santé, où le suivi d'informations sensibles persiste malgré la mise en place limitée et souvent inefficace de mécanismes de restriction.
L'article présente EventVGGT, un cadre novateur qui améliore l'estimation de profondeur basée sur les événements en distillant des priors spatio-temporels et géométriques du modèle VGGT via une stratégie de distillation à trois niveaux, surmontant ainsi les limitations des méthodes précédentes qui négligent la continuité temporelle des données événementielles.