8743 articles
Cet article initie l'étude des spanneurs tolérants aux pannes dans les hypergraphes en proposant un algorithme rapide qui construit des spanneurs de taille sous-linéaire par rapport au nombre de pannes, comblant ainsi un vide théorique majeur par rapport aux méthodes classiques.
Cet article présente un cadre multi-agents assisté par un grand modèle de langage (LLM) qui automatise la conception et l'adaptation des systèmes de contrôle pour la fabrication en continu (roll-to-roll), garantissant la sécurité et réduisant l'effort de réglage manuel grâce à une validation expérimentale réussie.
Le papier présente RadDiff, une nouvelle méthode de repliement inverse de protéines qui améliore significativement les taux de récupération de séquences en combinant un modèle de diffusion débruité avec un mécanisme d'augmentation par récupération pour intégrer dynamiquement des connaissances protéiques externes.
Cet article propose l'intégration d'un modèle fondamental causal dans un cadre de maintenance prescriptive pour simuler des interventions et optimiser l'efficacité globale des équipements (OEE) en identifiant les causes racines des défaillances plutôt que de se limiter à des prédictions statistiques.
Le papier présente S2AM3D, une méthode innovante qui combine des priors de segmentation 2D avec une supervision 3D cohérente et un nouveau jeu de données à grande échelle pour réaliser une segmentation de parties de nuages de points 3D robuste, généralisable et contrôlable en termes d'échelle.
Ce papier présente CAEC, un système basé sur l'architecture Arm CCA qui introduit une mémoire partagée confidentielle pour permettre un échange de données rapide, attestable et sécurisé entre machines virtuelles confidentielles sans intervention de l'hyperviseur, réduisant ainsi considérablement les coûts de communication par rapport aux mécanismes de chiffrement traditionnels.
Le papier présente HiconAgent, un agent d'interface graphique optimisé par HCPO qui utilise l'échantillonnage dynamique de contexte et la compression guidée par ancrage pour exploiter efficacement l'historique, surpassant ainsi des modèles plus grands avec une réduction significative des coûts computationnels.
Les auteurs proposent MAViD, un cadre multimodal innovant basé sur une architecture Conductor-Creator qui intègre compréhension et génération pour produire des interactions dialogiques audio-visuelles longues, cohérentes et naturelles.
Cette étude révèle que l'information des tokens visuels dans les modèles VLLM s'efface au-delà d'une « horizon d'information » variable selon la tâche et la capacité du modèle, démontrant ainsi que l'élagage aléatoire des tokens dans les couches profondes est aussi efficace que les méthodes existantes et permet d'accélérer l'inférence sans perte significative de performance.
Cette étude démontre que l'algorithme IPPO, bien qu'entraîné avec des agents homogènes, parvient à généraliser ses stratégies de coordination à de nouveaux partenaires hétérogènes aussi efficacement qu'une méthode d'entraînement diversifiée, suggérant que la complexité d'une telle diversité n'est pas toujours nécessaire pour atteindre une bonne généralisation dans les équipes hétérogènes.
Cet article présente WildRoad, un nouveau jeu de données mondial pour les routes hors-piste, et MaGRoad, un cadre d'extraction de réseaux routiers vectoriels basé sur un raisonnement centré sur le chemin qui surpasse les méthodes existantes en termes de robustesse topologique et d'efficacité dans les environnements sauvages.
Cet article propose une méthode de modification au moment du test utilisant des modèles de diffusion pour transformer les images de domaine cible vers la distribution source, améliorant ainsi la robustesse des modèles de perception sans nécessiter de génération de données synthétiques à grande échelle.
Le papier présente ReMeDI-SAM3, une extension sans entraînement du modèle SAM3 qui améliore la segmentation d'instruments chirurgicaux en endoscopie grâce à un filtrage de mémoire adaptatif, une interpolation temporelle et un module de ré-identification, surpassant ainsi les approches existantes sur plusieurs jeux de données.
Cette étude révèle que, bien que les écarts entre la perception subjective et la mesure objective de la végétation urbaine soient universels et peu influencés par la démographie ou la personnalité, le lieu de résidence des individus constitue le facteur déterminant dans l'explication de ces différences perceptuelles.
Le papier présente VOIC, une nouvelle méthode de complétion sémantique de scènes 3D monocular qui améliore les performances en séparant explicitement l'apprentissage des régions visibles et des régions occluses grâce à une stratégie d'extraction de labels et un réseau à double décodeur interactif.
Cette étude démontre que, dans les systèmes Text-to-SQL sur le cloud, l'optimisation de la vitesse d'exécution ne garantit pas l'efficacité des coûts, révélant que les modèles de raisonnement réduisent significativement la consommation de données tout en maintenant une précision élevée, contrairement aux modèles non raisonnants qui génèrent des coûts imprévisibles et excessifs dus à des requêtes inefficaces.
NashOpt est une bibliothèque Python open-source qui calcule et conçoit des équilibres de Nash généralisés dans des jeux non coopératifs à contraintes partagées en exploitant les conditions KKT conjointes, en utilisant JAX pour les jeux non linéaires et la programmation linéaire en nombres mixtes pour les jeux linéaires-quadratiques, tout en supportant des problèmes de conception de jeux inverses et de Stackelberg.
Ce papier présente le cadre d'Encodage-Congruent-Conservation (CCE), une théorie physique unifiée qui relie intelligence, mesure quantique et géométrie de l'espace-temps via des principes thermodynamiques et de conservation, suggérant que la conscience et la gravité émergent des limites fondamentales de la dissipation énergétique lors du traitement de l'information.
Le papier présente DrivingGen, le premier benchmark complet pour les modèles mondiaux génératifs de conduite autonome, qui comble les lacunes des évaluations existantes en proposant un ensemble de données diversifié et une suite de métriques rigoureuses pour évaluer simultanément le réalisme visuel, la plausibilité des trajectoires, la cohérence temporelle et la contrôlabilité.
Cet article présente un cadre d'apprentissage automatique guidé par la physique en trois étapes, appliqué au supercalculateur Frontier, qui permet d'identifier et de réduire jusqu'à 96 % des gaspillages énergétiques du système de refroidissement en proposant des ajustements de consignes sûrs et interprétables.