8760 articles
Cet article présente FSTab, un cadre d'évaluation et d'attaque en boîte noire capable de prédire et de quantifier la persistance de vulnérabilités récurrentes dans le code généré par des LLMs, révélant ainsi des risques de sécurité systémiques même dans des domaines non vus lors de l'entraînement.
Ce papier présente LMMRec, un cadre de recommandation multimodale piloté par les grands modèles de langage qui exploite des techniques de raisonnement pour extraire et aligner les motivations fines des utilisateurs et des articles à partir de textes et d'interactions, surpassant ainsi les méthodes existantes sur plusieurs jeux de données.
Cette étude démontre qu'il n'existe pas de corrélation significative entre les mesures auto-rapportées et les indicateurs comportementaux issus d'un jeu pour évaluer la résolution de problèmes, soulignant ainsi la nécessité d'intégrer ces deux approches complémentaires dans les processus de sélection du personnel.
Cet article propose un cadre théorique et algorithmique fondé sur la transformée h de Doob et les processus de martingale pour guider les modèles de diffusion vers la génération d'échantillons satisfaisant des contraintes strictes avec une probabilité de un, tout en fournissant des garanties de convergence non asymptotiques et des méthodes d'apprentissage hors politique pour estimer les corrections de dérive nécessaires.
Cette étude explore comment les mères utilisent les modèles de langage pour obtenir un soutien émotionnel et informationnel sans jugement, tout en soulignant que, bien que ces outils soient appréciés pour leur neutralité, la chaleur humaine reste généralement préférée.
Ce papier présente NAAMSE, un cadre d'évaluation de sécurité évolutionnaire qui utilise un agent autonome pour optimiser itérativement les attaques par mutation génétique et exploration hiérarchique, révélant ainsi des vulnérabilités complexes chez les agents IA que les méthodes statiques traditionnelles ne parviennent pas à détecter.
PhysDrape est une méthode hybride combinant un réseau de neurones graphiques et un solveur physique différentiable à deux étapes pour réaliser un drapé de vêtements réaliste en résolvant explicitement les forces et en garantissant l'absence de pénétration par des contraintes géométriques strictes.
L'article présente LLM4PQC, un cadre basé sur les grands modèles de langage qui automatise la refactoring des codes de cryptographie post-quantique vers du code C synthétisable et génère des RTL vérifiés, réduisant ainsi l'effort manuel et accélérant l'exploration de l'espace de conception.
L'article propose FlowAdapt, un cadre d'adaptation de domaine efficace en paramètres pour la perception collaborative V2X, qui utilise la théorie du transport optimal et un échantillonnage glouton de Wasserstein pour surmonter les limitations des méthodes PEFT existantes en réduisant la redondance des données et en préservant les sémantiques fines.
Ce papier propose SToRM, un cadre novateur de réduction supervisée de tokens pour les modèles de langage multimodaux, qui permet d'accélérer considérablement la conduite autonome de bout en bout tout en préservant les performances grâce à une sélection intelligente des tokens visuels.
Ce papier présente AGPS, un cadre qui remplace la supervision humaine par un agent multimodal agissant comme un modèle du monde sémantique pour guider l'exploration des robots, améliorant ainsi considérablement l'efficacité des échantillons et la scalabilité de l'apprentissage par renforcement par rapport aux méthodes traditionnelles à boucle humaine.
L'article M2RL analyse et compare les paradigmes d'apprentissage par renforcement à récompenses vérifiables (RLVR) pour les modèles de langage, démontrant que l'entraînement mixte multi-tâches et le fusionnement de modèles entraînés séparément sont tous deux efficaces car les domaines de raisonnement s'avèrent synergiques et peu interférents.
Le benchmark SkillsBench évalue l'efficacité des compétences d'agents sur 86 tâches et révèle que, bien que les compétences curatées améliorent significativement les performances moyennes, leur impact varie considérablement selon les domaines et que les modèles ne parviennent pas actuellement à générer de manière fiable les compétences dont ils bénéficieraient.
Cet article propose un nouveau cadre de commande par retour d'état pour les systèmes LPV à retards d'état variables, intégrant des contraintes quadratiques intégrales dynamiques et des fonctions de Lyapunov dépendantes des paramètres afin d'obtenir des conditions de synthèse convexes garantissant la stabilité et des performances améliorées avec une réduction de la conservativité.
Cet article propose une approche novatrice intégrant des embeddings sémantiques de code et la théorie des dynamiques d'opinion pour modéliser quantitativement l'évolution des logiciels et révéler les mécanismes de collaboration implicite au sein des communautés de développement open source.
Cet article propose DARIO, un cadre conforme à O-RAN qui utilise le calcul de réseaux stochastique pour orchestrer dynamiquement des surfaces intelligentes reconfigurables (RIS) et minimiser les délais dans les applications 6G sensibles à la latence.
Cet article présente un cadre de contrôle prédictif basé sur des réseaux de neurones graphiques qui permet le contrôle en temps réel de systèmes haute dimension, tels que les robots souples, en exploitant la parcimonie des interactions et l'accélération GPU pour atteindre une précision subcentimétrique et une évolutivité jusqu'à 1 000 nœuds.
Le papier présente 3DMedAgent, un agent unifié qui permet aux modèles de langage multimodaux 2D d'analyser des données médicales 3D complexes via une décomposition progressive des tâches et une mémoire structurée, surpassant ainsi les méthodes existantes sur plus de 40 tâches d'imagerie thoracique.
Le papier présente OVerSeeC, un cadre modulaire zéro-shot qui génère des cartes de coût globales pour la planification autonome à partir d'images satellites et de directives en langage naturel, en décomposant le processus en interprétation, localisation et synthèse pour s'adapter à des missions variées et à des entités inconnues.
Cette étude démontre que, sur les réseaux personnels à faible consommation comme Bluetooth Low Energy, le coût énergétique de la communication lors de l'établissement de clés post-quantiques dépasse souvent celui du calcul cryptographique, soulignant ainsi la nécessité d'une optimisation conjointe des protocoles et des couches basses pour assurer une transition efficace vers la sécurité quantique.