3643 articles
Cet article présente FORGE, un cadre de science du design qui structure la collaboration instructeur-IA dans l'enseignement supérieur à travers quatre rôles et sept dimensions, démontrant via des études de cas comment ses directives transforment le prompting improvisé en un flux de travail transférable et fondé sur des rôles pour la génération de matériel pédagogique.
L'article propose STCA-Net, un réseau de neurones spatiotemporels compact intégrant des convolutions séparables en profondeur multi-échelles et des mécanismes d'attention croisée bidirectionnelle pour capturer efficacement les dépendances locales et à longue portée dans les données EEG, atteignant des performances de pointe dans la classification des crises d'épilepsie à travers des tâches binaires, à trois classes et à cinq classes sur l'ensemble de données de l'Université de Bonn.
Cette étude démontre que la combinaison de la génération augmentée par récupération avec l'ancrage par graphe de connaissances améliore considérablement l'exactitude factuelle, la sécurité et l'utilité clinique des grands modèles de langage dans le raisonnement lié à la sécurité des patients en réduisant substantiellement les hallucinations et en améliorant la traçabilité des preuves par rapport aux approches non ancrées ou à méthode unique.
Le Système de Gestion des Droits de Ressources (REMS) remédie au goulot d'étranglement que représente l'accès aux données de recherche sensibles en standardisant et en automatisant des flux de travail administratifs complexes et manuels en processus d'autorisation configurables et lisibles par machine qui garantissent la responsabilité et soutiennent la souveraineté des données à travers divers environnements réglementaires sans harmoniser les lois ni évaluer le mérite scientifique.
Cet article propose une architecture d'apprentissage profond hybride qui fusionne les caractéristiques visuelles basées sur MobileNetV2 et les données de points de repère dérivées de MediaPipe à travers un cadre à porte de confiance afin d'atteindre une reconnaissance de la langue des signes indienne robuste et en temps réel avec une précision de 95 %, surmontant efficacement les limites des modèles individuels dans des conditions de bruit ou d'ambiguïté.
Cette étude démontre que, bien que la série GPT-5 Pro puisse accélérer de manière significative et automatiser avec précision l'extraction de données et l'évaluation du risque de biais dans les revues systématiques en utilisant le prompting de zéro à peu de données (zero-to-few-shot prompting), elle est toujours moins performante pour le criblage de texte intégral et nécessite des flux de travail hybrides intégrant l'humain dans la boucle pour la génération de chaînes de recherche et le criblage d'articles afin de garantir la fiabilité.
Cette étude démontre que l'intégration d'un graphe de connaissances sur les sarcomes des tissus mous dans un pipeline de génération augmentée par récupération améliore significativement la précision, la sécurité et la fidélité du raisonnement des grands modèles de langage pour la gestion des tumeurs rares, comparativement aux approches zero-shot ou fondées uniquement sur les directives.
Cet article démontre que pour l'analyse de sentiment basée sur les aspects en domaine croisé utilisant Mamba, le simple regroupement par le dernier jeton combiné à l'adaptation par pseudo-étiquettes est plus efficace que les méthodes d'agrégation sophistiquées ou les stratégies de regroupement complexes, malgré les inefficacités d'implémentation actuelles par rapport à BERT.
Cette étude démontre qu'un pipeline basé sur la RAG utilisant le LLM Codestral-22B avec un prompting continu en few-shot identifie efficacement les clones de code sémantiques et les modèles de réutilisation dans les forks de microservices open-source, surpassant les outils traditionnels basés sur la syntaxe malgré les limitations actuelles en matière de rappel.
Cet article introduit la Résolution de l'Évidence de Réparation (RER), un cadre qui déplace l'évaluation de la correction des correctifs automatisés d'une approche purement prédictive vers une analyse structurelle déterminant si l'évidence peut effectivement séparer les réparations correctes des incorrectes, révélant que même les évaluateurs performants s'appuient souvent sur des preuves qui ne parviennent pas à résoudre des revendications de réparation spécifiques.