4092 articles
Ce document présente AIDA-AND, un cadre multi-agents coopératif qui intègre des représentations sémantiques à des preuves de métadonnées interprétables via des agents spécialisés afin de parvenir à une désambiguïsation de noms d'auteurs compétitive, modulaire et efficace, réduisant considérablement le temps d'exécution tout en améliorant les performances sur les ensembles de données de référence.
Ce document propose SETU, un cadre conceptuel culturellement réactif et sensible à l'affect qui jette un pont entre les classes multilingues de l'Inde et les programmes formels en intégrant six composantes pour augmenter les enseignants et aligner l'apprentissage assisté par l'IA avec la Politique Nationale d'Éducation 2020.
Cet article audite une étude de comparaison de rangs LoRA pour démontrer qu'une règle de normalisation du calcul par rang inverse pénalise artificiellement les rangs plus élevés par un sous-entraînement extrême, révélant que les classements de performance observés dépendent fortement de l'allocation spécifique du budget plutôt que de la capacité intrinsèque du modèle.
Le papier propose RAUDI, un cadre à double tête pour la détection d'anomalies industrielles qui unifie l'apprentissage non supervisé et supervisé en utilisant de manière flexible de réels échantillons défectueux ou des pseudo-anomalies réalistes synthétisées via une nouvelle méthode de superpixels multi-étapes (RASMS), atteignant des performances de pointe sur les deux benchmarks MVTec AD et KolektorSDD2.
Cet article audite les actes de l'ACL 2026 pour constater que, bien que la quasi-totalité des références citées existent, un audit automatisé en une seule passe du support des affirmations a échoué à se reproduire en raison d'une configuration de modèle non consignée, démontrant qu'une vérification rigoureuse des citations nécessite une journalisation opérationnelle stricte pour garantir la reproductibilité.
Cet article examine l'intégration de l'IA et de l'apprentissage automatique dans les opérations de cybersécurité, soulignant leur potentiel pour améliorer la détection des menaces et l'efficacité tout en insistant sur le fait qu'un déploiement réussi nécessite de relever des défis tels que les attaques adverses et la qualité des données grâce à une gouvernance, une transparence et une surveillance robustes.
Cet article propose un système de détection d'intrusion hybride basé sur l'IA explicable pour l'Internet des objets (IoT) et les réseaux informatiques qui intègre ADASYN pour le déséquilibre des données, des méthodes de filtrage pour la sélection de caractéristiques, l'apprentissage d'ensemble pour la robustesse, et SHAP pour l'interprétabilité, démontrant une performance supérieure sur les ensembles de données CICIDS2017 et MQTT-IoT-IDS2020.
Cet article propose un cadre de supervision faible qui exploite des annotations au niveau de l'image pour générer des masques pseudo-raffinés via CAM et Grad-CAM, lesquels sont ensuite utilisés pour entraîner un modèle hybride OUR-Net–U-Net pour une segmentation précise et multi-domaine des fissures structurelles, avec des coûts d'annotation considérablement réduits et des performances supérieures par rapport aux méthodes existantes.
Cette étude analyse 849 incidents d'IA pour dériver empiriquement trois profils de préjudices distincts — Autonome/Embodiment, Reconnaissance Visuelle et IA Générative — plaidant pour un passage de principes de gouvernance larges à un cadre sensible au contexte qui adapte les mécanismes de responsabilité et de surveillance à ces schémas de risques spécifiques.
Ce document propose un cadre YOLOv8n sensible aux défauts, amélioré par une dorsale ResNet50, DeCA, un BiFPN amélioré avec SPD-Conv, une tête découplée adaptative dynamique et Wise-IoU v3, afin de parvenir à une détection en temps réel et de haute précision des défauts petits et à faible contraste sur des cartes à jouer imprimées au milieu de fonds graphiques denses, surpassant le YOLOv8n standard de 12,8 % en mAP@50 tout en maintenant une vitesse d'inférence de 97 FPS.