4109 articles
Cet article propose et évalue des algorithmes statiques et dynamiques entièrement distribués qui permettent aux systèmes robotiques modulaires, ou matière programmable, de vérifier leur stabilité mécanique et d'évaluer l'intégrité des liaisons tant dans leur configuration actuelle que lors de la reconfiguration de leur forme.
Cet article propose un cadre de débaisage par couche pour le modèle CLIP ViT gelé qui atténue la dépendance hiérarchique aux raccourcis grâce à des interventions spatiales, fréquentielles et sémantiques ciblées, améliorant ainsi la généralisation inter-générateurs des détecteurs d'images générées par IA.
Cet article propose MACRDR, un cadre de collaboration et de réflexion multi-agents qui améliore la diversité de la recommandation d'actualités et la découverte d'intérêts en reformulant le processus comme un mécanisme de calibration dynamique de l'intention, où des agents prédictifs et réflexifs ajustent collaborativement les profils d'utilisateurs pour atténuer les bulles de filtres et capturer l'évolution des préférences.
Cette étude démontre que des protocoles rigoureux résistants aux fuites, particulièrement la validation par exclusion de trajet, sont essentiels pour une détection crédible de la somnolence du conducteur, révélant que si le renforcement de gradient basé sur l'histogramme regroupé atteint des performances élevées sous des divisions standards, il souffre d'une pénalité de transfert de trajet significative et que la fusion de modalités complexes ne surpasse pas les modèles regroupés plus simples.
Ce document introduit les réseaux de neurones convolutionnels quantiques équivariants par translation de pixels (PCS-QCNNs) qui résolvent le décalage entre les symétries d'encodage d'image et les permutations de qubits standards en construisant des couches multiplexées par Fourier qui commutent exactement avec les décalages cycliques de pixels, démontrant une performance supérieure par rapport aux contrôles quantiques non équivariants sur des benchmarks MNIST traduits tout en mettant en évidence les décalages critiques entre entraînement et déploiement découlant des coûts d'échantillonnage à nombre fini de tirages.
Cet article présente une revue de preuves rapide, informée par la méthode PRISMA, portant sur 33 études relatives à l'IA agentique de confiance, introduisant la taxonomie T-SAFE et un cadre stratifié pour combler les lacunes critiques en matière de sécurité, d'explicabilité, d'alignement et de supervision humaine, tout en soulignant le manque actuel de recherche sur l'équité.
Cet article introduit SPS-LIME, un cadre d'explication agnostique au modèle qui améliore l'interprétabilité des classificateurs de textes juridiques en perturbant des segments de longueur variable et de cohérence rhétorique plutôt que des jetons ou des phrases individuels, atteignant ainsi une cohérence et une exhaustivité supérieures tout en révélant les décalages potentiels entre la sensibilité du classificateur et le raisonnement juridique explicite.
Cette étude introduit un cadre hybride de GeoAI et d'analyse décisionnelle multicritère qui utilise l'apprentissage automatique non supervisé pour identifier des sites de centres de données juridiquement et environnementalement viables au sein du bassin de la rivière Guadalupe, résolvant efficacement les conflits eau-énergie en remplaçant la pondération subjective des experts par des critères dérivés empiriquement afin de guider les infrastructures loin de la zone de recharge sensible de l'aquifère d'Edwards.
Cet article propose le Token-Adaptive LoRA, une méthode de réglage fin efficace en paramètres qui route dynamiquement les jetons d'image vers des experts LoRA différenciés par rang via un routeur Noisy Top-1, améliorant significativement les performances du Segment Anything Model sur les tâches de détection et de segmentation de la télédétection avec un surcoût de calcul minimal.
Cet article introduit un protocole d'audit conditionné par les archives pour évaluer comment les modèles de vision-langage et les structures de prompts interagissent avec les métadonnées muséales lors de l'évaluation de la valeur artistique, démontrant, à travers une étude de cas du Metropolitan Museum of Art, que les prompts d'« influence » produisent les différences par catégories les plus cohérentes tout en soulignant les limites de la généralisation entre les modèles et entre les prompts.