8771 articles
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.
Ce papier présente ABD, une nouvelle norme d'évaluation pour l'abduction d'exceptions par défaut dans des mondes finis du premier ordre, démontrant que les modèles de langage actuels parviennent à la validité logique mais peinent encore à garantir la parcimonie des exceptions et à généraliser correctement à travers différents régimes d'observation.
Cet article introduit le nouveau cadre de la généralisation de domaine à vocabulaire ouvert pour la segmentation sémantique urbaine, accompagné d'un benchmark dédié et d'une méthode innovante nommée S2-Corr, qui améliore la robustesse des modèles face aux changements de domaine et aux catégories inédites en affinant les corrélations texte-image.
Cet article présente INDUCTION, un nouveau benchmark évaluant la capacité des modèles à synthétiser des concepts logiques du premier ordre à partir de structures finies, en mettant en évidence des gradients de difficulté marqués et l'importance de la concision des formules pour la généralisation.
Ce papier présente SKYLIGHT, une architecture de cœur tensoriel photonique 3D à cent canaux et à mémoire intégrée qui surpasse les GPU NVIDIA en efficacité énergétique pour l'inférence IA en temps réel tout en permettant l'apprentissage local sans étiquettes grâce à des mises à jour de poids in situ.
Le papier présente UniMatch, un cadre novateur utilisant des modèles de langage multimodaux pour établir des correspondances sémantiques denses entre des formes 3D non isométriques de catégories variées grâce à une approche en deux étapes, allant d'une segmentation sémantique grossière à un apprentissage fin guidé par le langage.
Ce papier démontre que les échecs d'iCloud, notamment dans les flux de travail de développement, résultent d'une erreur de catégorie fondamentale consistant à projeter un graphe causal distribué sur une chaîne temporelle linéaire, et propose que les sémantiques transactionnelles de l'Open Atomic Ethernet offrent une solution structurelle en alignant les protocoles sur la réalité physique.
L'article propose InfScene-SR, une méthode de super-résolution d'images basée sur les modèles de diffusion qui permet de traiter des images de taille arbitraire sans artefacts de bordure grâce à une fusion itérative de patches corrigée par variance, rendant ainsi possible un inférence parallèle efficace sur des scènes gigapixels.
Cet article propose une méthode de décomposition et de recomposition en ligne des objets, des scènes et des poses de caméra pour générer des données d'entraînement diversifiées et améliorer l'efficacité de la détection 3D d'objets monoculaire, même avec des annotations limitées.
Cet article présente un cadre de décomposition d'images en couches basé sur l'apprentissage contextuel et l'adaptation LoRA de modèles de diffusion, qui utilise une stratégie d'ajustement cyclique et un processus d'amélioration progressive pour séparer efficacement des éléments complexes comme les logos de leurs arrière-plans tout en préservant la cohérence visuelle.