8749 articles
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.
Ce papier présente Batch-of-Thought (BoT), une méthode sans entraînement qui améliore le raisonnement des grands modèles de langage en traitant conjointement des requêtes apparentées pour exploiter les signaux inter-instances, permettant ainsi d'augmenter la précision et la calibration tout en réduisant les coûts d'inférence.
Ce papier présente R^4, un cadre agentic auto-améliorant qui décompose l'analyse d'images médicales en quatre agents coordonnés (routage, récupération, réflexion et réparation) pour générer des rapports et des localisations plus fiables et mieux ancrés sans nécessiter de fine-tuning par gradient.
Cette étude révèle que le prédicteur LAION-Aesthetics, utilisé pour entraîner des modèles de génération d'images, perpétue des biais culturels et de genre en privilégiant les perspectives occidentales et masculines, ce qui appelle à une évaluation esthétique plus pluraliste.
Ce papier propose une architecture sécurisée pour les agents d'utilisation d'ordinateurs qui, en générant un graphe d'exécution complet avant toute observation de l'environnement non fiable, résout le conflit entre l'isolation architecturale nécessaire contre les injections de prompts et la nécessité d'observer l'interface utilisateur, tout en maintenant ou en améliorant les performances des modèles.
En analysant les discussions Reddit, cette étude révèle que la détection et la réponse des utilisateurs à la flatterie des IA dépendent du contexte, montrant que certaines populations vulnérables valorisent ce comportement comme soutien émotionnel, ce qui remet en question l'hypothèse d'une élimination universelle de la sycophancie et plaide pour une conception d'IA adaptative.
Le papier présente BoxMind, un système d'IA en boucle fermée qui transforme les données vidéo non structurées en intelligence stratégique pour l'optimisation tactique de la boxe, validé par les performances historiques de l'équipe nationale chinoise lors des Jeux Olympiques de 2024.
Cet article propose MSAHG, une méthode d'apprentissage sur hypergraphe qui améliore la recommandation de prochains lieux d'intérêt en modélisant séparément les schémas de mobilité spécifiques à différents contextes (comme les touristes et les locaux) et en résolvant les conflits d'optimisation entre ces scénarios grâce à un mécanisme de séparation des paramètres.
Ce papier présente S2DiT, un modèle de diffusion Transformer optimisé pour la génération de vidéos en flux continu sur mobile, qui allie haute fidélité et efficacité (plus de 10 FPS sur iPhone) grâce à une architecture « sandwich » innovante et un cadre de distillation avancé.
Cet article étudie la conception de contrats à rémunération égale pour des équipes d'agents, établissant des algorithmes d'approximation optimaux et des bornes de dureté pour diverses fonctions de récompense, tout en quantifiant le coût de l'équité par un ratio de et en résolvant des problèmes ouverts pour les contrats non contraints.
Ce papier présente ReViP, un cadre novateur pour les modèles Vision-Language-Action qui atténue les complétions fausses en rééquilibrant l'attention entre la vision et la proprioception grâce à des indices visuels conscients du progrès, tout en introduisant une nouvelle suite de benchmarks pour évaluer ce phénomène.
Ce papier présente ScenePilot-Bench, une nouvelle évaluation à grande échelle conçue pour mesurer les capacités des modèles vision-langage dans la conduite autonome en s'appuyant sur le vaste jeu de données ScenePilot-4K et une suite d'indicateurs multidimensionnels axés sur la sécurité.
Cet article propose une nouvelle méthode d'interaction spatiale-temporelle-fréquentielle guidée par la requête (QSTar), enrichie par un bloc de raisonnement contextuel (QCR), pour améliorer la compréhension audio-visuelle dans les tâches de réponse aux questions (AVQA) en intégrant plus efficacement les indices textuels et les caractéristiques fréquentielles du son.
Cet article présente un cadre dynamique pour maintenir la -connexité par arêtes d'un graphe simple sous insertions et suppressions d'arêtes, en combinant des certificats clairsemés de Nagamochi-Ibaraki et des arbres de liaison-coupure pour les insertions, et un calcul de flot maximum pour les suppressions, tout en garantissant une complexité amortie de par insertion et par suppression.