8821 articles
Ce papier présente RISCBench, une suite de benchmarks et une méthodologie ouverte introduisant la métrique de débit instantané soutenu (SIT) pour évaluer l'efficacité d'orchestration des cœurs RISC-V dans les systèmes hétérogènes, comblant ainsi le vide laissé par les mesures de performance traditionnelles.
Cette étude expérimentale compare les performances et la précision des algorithmes de conversion des nombres flottants binaires en chaînes décimales, révélant que les techniques modernes comme Schubfach et Dragonbox offrent un gain de vitesse considérable par rapport aux méthodes traditionnelles, bien qu'aucune implémentation examinée ne produise systématiquement les chaînes les plus courtes possibles.
Cette étude de recherche en conception présente la plateforme D-Hub de l'Initiative des Solutions Globales, qui utilise l'intelligence artificielle explicable pour créer un écosystème numérique transparent et fiable facilitant la collaboration entre les acteurs du développement, de la technologie et de la finance.
Cette étude évalue la vulnérabilité des migrants d'Afrique subsaharienne face aux arnaques alimentées par l'intelligence artificielle et révèle que l'exposition antérieure au ciblage est le principal facteur de risque, tandis que la confiance dans la détection du contenu IA et les efforts de vérification comportementale agissent comme des facteurs protecteurs significatifs.
Cet article propose une architecture de contrôle éthique par conception intégrant des raisonnements normatifs dans un système à triple portail (métrique, gouvernance et écologique) pour opérationnaliser la gouvernance de l'IA tout au long de son cycle de vie, en alignement avec des cadres réglementaires comme l'Acte sur l'IA de l'UE et le cadre de gestion des risques du NIST.
Cette étude utilise l'inférence causale pour démontrer que les auteurs issus de groupes raciaux minoritaires, les femmes et ceux affiliés à des institutions du Sud global subissent des désavantages statistiques significatifs dans les processus d'évaluation par les pairs, soulignant ainsi la nécessité urgente d'interventions pour garantir l'équité dans les revues académiques traditionnelles et celles assistées par l'intelligence artificielle.
Cet article présente un cadre d'orchestration de réseaux basés sur l'intention (IBN) pour les réseaux 5G et 6G utilisant une architecture multi-agents hiérarchique, démontrant que l'utilisation de petits modèles de langage (SLM) permet d'accélérer le cycle de vie de l'IBN de 20 % par rapport aux grands modèles de langage (LLM) tout en maintenant une précision équivalente.
Cet article présente ObjChangeVR, un cadre et un jeu de données dédiés au raisonnement sur les changements d'état d'objets dans des environnements de réalité virtuelle à partir de vues égocentriques continues, en surmontant les défis liés aux changements non interactifs et à l'absence de benchmarks existants.
Cette étude propose un cadre de cohérence des marges intégrant un score de fidélité aux perturbations pour améliorer la robustesse et la précision du sous-typage de l'adénocarcinome pulmonaire invasif à partir d'images de lames entières, démontrant des performances supérieures et une bonne généralisation sur des benchmarks externes.
Le papier présente PaLMR, un cadre qui améliore la fiabilité du raisonnement visuel des modèles multimodaux en alignant non seulement les réponses finales mais aussi le processus de raisonnement grâce à une couche de données perceptives et une optimisation par récompense hiérarchique, réduisant ainsi les hallucinations tout en obtenant des résultats de pointe sur plusieurs benchmarks.
Cet article propose le cadre DAPR, qui intègre un jumeau numérique, un apprentissage fédéré asynchrone et un apprentissage par renforcement profond pour optimiser la mise en cache coopérative dans les réseaux véhiculaires en améliorant la sélection des clients, la prédiction de la demande et l'allocation des ressources.
Ce papier présente FCBNet, un modèle efficace pour la segmentation des mauvaises herbes basé sur un backbone ConvNeXt figé et un bloc de correction de caractéristiques, qui surpasse les architectures existantes en précision et en efficacité computationnelle sur des images aériennes multispectrales.
Le papier présente GameVerse, une nouvelle référence de jeux vidéo conçue pour évaluer la capacité des modèles vision-langage à améliorer leurs stratégies grâce à un cycle d'apprentissage par réflexion vidéo, démontrant que la combinaison des trajectoires d'échec et des tutoriels experts permet d'optimiser leurs performances sans apprentissage par renforcement.
Ce papier présente ASMIL, un cadre unifié qui stabilise la dynamique d'attention dans l'apprentissage multiple instance pour l'imagerie de lames entières en utilisant un modèle ancre et une fonction sigmoïde normalisée, surmontant ainsi l'instabilité, le surapprentissage et la concentration excessive de l'attention pour améliorer significativement les performances de diagnostic.
Ce chapitre examine comment l'intelligence artificielle générative peut servir d'outil de cohérence pour améliorer l'alphabétisation scientifique dans les programmes K-16+, en définissant les nouveaux enjeux, en proposant une architecture technique pour intégrer l'IA dans l'enseignement et l'évaluation, et en identifiant les défis de recherche et de développement nécessaires.
Le papier propose Graph-of-Mark (GoM), une technique de prompt visuel au niveau des pixels qui superpose des graphes de scène aux images pour améliorer la capacité de raisonnement spatial des modèles de langage multimodaux en capturant les relations entre les objets, surpassant ainsi les méthodes existantes comme Set-of-Mark.
Ce papier présente une méthode d'optimisation système pour l'inférence de modèles de génération vidéo basés sur les Diffusion Transformers, utilisant un encodage de position 3D séquentiel-parallèle avec un index temporel global pour réduire la latence et l'empreinte mémoire tout en permettant une génération vidéo quasi temps réel.
Cette étude révèle que l'approche « chaîne de pensée » (CoT) dégrade souvent les performances des modèles vision-langage en médecine en raison d'un goulot d'étranglement perceptif, et propose des interventions d'ancrage visuel pour restaurer la précision diagnostique.
Ce papier présente SJD-PV, un cadre d'accélération sans entraînement pour la génération d'images autoregressive qui améliore l'efficacité du décodage jusqu'à 30 % en vérifiant simultanément des groupes de tokens corrélés, appelés « phrases », plutôt que de les traiter individuellement.
Les auteurs présentent la première démonstration d'un réseau maillé complet à quatre drones utilisant des SDR RFSoC, capable de diffuser en temps réel plusieurs flux vidéo 4K non compressés via douze liens MIMO 2x2 toujours actifs, atteignant un débit agrégé de 1,2 Gbps sur une bande passante partagée de 200 MHz.