4092 articles
Cet article introduit un banc d'essai contrefactuel démontrant que si les délais d'expiration d'outils ambigus imposent un plafond de réussite de 50 % à la récupération des agents LLM, l'implémentation de contrats d'idempotence stables permet une récupération parfaite, tandis que le fait de s'appuyer uniquement sur les informations de statut ne produit qu'une amélioration partielle.
Cet article introduit TIERBLEED, un protocole de mesure sans danger démontrant que les politiques de sécurité alignées par RL au sein de la famille Gemini présentent une dérive intra-familiale significative à travers six niveaux de raisonnement, où les techniques de cadrage et les stratégies multi-niveaux/multi-graines peuvent exploiter ces incohérences pour reproduire des insultes légères avec des taux de réussite dépassant largement les taux de refus directs.
Cet article propose un cadre hybride Transformer-CNN efficace, doté d'une porte d'attention, qui intègre un encodeur Mix Transformer hiérarchique avec l'ASPP et une porte d'attention multimodale à échelle croisée personnalisée afin d'atteindre des performances de segmentation de maladies des plantes de pointe sur le jeu de données exigeant PlantSeg, tout en maintenant une taille de modèle compacte adaptée aux dispositifs de bord aux ressources limitées.
Cet article propose une stratégie de liste d'experts locale à la séquence qui fixe un petit ensemble d'experts par séquence afin de réduire considérablement l'empreinte mémoire et les transferts d'experts lors du service de modèles MoE, atteignant un débit proche de la résidence complète avec nettement moins de poids résidents en appliant cette contrainte de manière cohérente pendant l'entraînement et l'inférence.
Cet article introduit une nouvelle métrique d'homogénéité pour évaluer l'efficacité et la performance des algorithmes de segmentation de séries temporelles multivariées non supervisés, démontrant leur application réussie tant sur des données synthétiques que sur des données réelles de systèmes embarqués automobiles.
Cet article propose une méthode unifiée d'apprentissage de sous-espaces multi-vues supervisée qui intègre des structures géométriques par classe et une pondération adaptative des vues pour construire efficacement un espace latent conjoint discriminant, surpassant les approches de l'état de l'art tant en précision qu'en vitesse de calcul.
Cet article propose un cadre hybride deep-quantum qui intègre un CNN 1D pour l'extraction de caractéristiques avec un classificateur à vecteurs supports quantique afin d'atteindre une précision de détection du stress supérieure (81,00 %) sur les signaux EEG par rapport aux références classiques, tout en démontrant la dépendance du modèle vis-à-vis de la mise à l'échelle des caractéristiques et de la dimensionnalité au sein de l'ère NISQ.
Cet article propose WTFFN-YOLO, un cadre de détection d'objets léger et amélioré pour les défauts de surface des pales d'éoliennes qui intègre le mécanisme d'attention C3K2-SACA, un module de fusion de caractéristiques sensible à la fréquence et un réseau de cou (neck) WTFFN afin d'obtenir une augmentation de 6,9 % du mAP et une réduction de 8 % des paramètres du modèle.
Cette étude démontre qu'une architecture hybride CNN–BiLSTM surpasse l'analyse traditionnelle des caractéristiques acoustiques et les modèles d'apprentissage profond plus simples pour quantifier le rythme linguistique en atteignant une précision de plus de 95 % pour distinguer le chant en sanskrit et en hindi de la parole normale, tout en révélant une plus grande régularité rythmique dans le sanskrit en raison de sa structure à rythme syllabique.
Cet article révèle que les réseaux de neurones informés par la physique (PINNs) appliqués aux modèles SIR souffrent d'une « dette latente » lors des phases initiales de croissance exponentielle, où un paysage de perte plat et de rang déficient permet à l'optimisation de minimiser les résidus en déformant les états latents non observés et en propageant les erreurs, produisant ainsi des solutions numériquement exactes avec des estimations de paramètres fondamentalement incorrectes.