3657 articles
DISC est un nouvel algorithme de partitionnement de graphes qui exploite l'entropie géométrique locale pour déformer les métriques d'affinité et construire un graphe fragmenté et propre, lequel est ensuite partitionné en bassins d'attraction hautement purs via un flux guidé par la profondeur et fusionné pour atteindre des performances de pointe sur divers ensembles de données.
Ce document introduit **pn_fir_tau**, un lissage causal FIR de clés sans paramètre combiné à un seuil apprenable par couche qui résout la « pathologie du décalage de score » (Score-Shift Pathology) dans l'attention rectifiée, permettant ainsi d'atteindre un rappel associatif parfait, d'éliminer les puits d'attention (attention sinks) et de permettre aux modèles de neutraliser efficacement les requêtes injoignables tout en maintenant une perplexité de pointe.
Ce document propose SPAFNet, un réseau d'alignement progressif guidé par un a priori sémantique et de fusion bidirectionnelle à porte conçu pour traiter la détection d'objets saillants RGB-T non alignés, bien que ses mesures de performance rapportées sur le jeu de données UVT20K demeurent préliminaires et manquent de validation statistique.
Cet article propose le TME LLM OS, une architecture d'ingénierie système en boucle fermée qui adapte le cadre humain Théorique-Mécaniste-Expérientiel pour imposer une correction épistémique aux agents IA en intégrant une revue structurée, un suivi de la provenance et une exécution contrôlée afin de résoudre les décalages au sein d'un épisode borné avant une libération sécurisée.
STEP-VERIFIER est un modèle de récompense par étape qui apprend à vérifier les actions individuelles d'un agent grâce à des comparaisons par paires synthétisées automatiquement, fournissant un retour intermédiaire dense pendant l'entraînement pour améliorer significativement les performances de l'agent sur des tâches complexes d'utilisation d'outils sans nécessiter de recours au vérificateur lors du déploiement.
Cette étude utilise un modèle d'automates cellulaires multi-échelles (MSCA) pour simuler et analyser les conflits entre véhicules et piétons aux intersections signalisées à quatre voies, démontrant comment une modélisation hiérarchique des échelles spatiales et temporelles peut optimiser les stratégies de synchronisation des feux afin d'améliorer simultanément l'efficacité du flux de trafic et la sécurité des piétons.
Ce document introduit le Feature-Weighted Prioritized Experience Replay (FW-PER) pour diagnostiquer et atténuer le « TD-Poisoning » causé par l'incertitude aléatoire dans l'apprentissage par renforcement profond, révélant finalement le « Paradoxe de l'ER Uniforme » où, sous une corruption par bruit extrême, l'échantillonnage aléatoire uniforme simple surpasse la filtration algorithmique complexe.
Cette étude utilise des simulations d'auto-jeu de KataGo pour modéliser la relation entre le komi et les issues de parties, révélant que les valeurs de komi équitables suivent une distribution logistique et varient selon la taille du plateau et les règles de comptage, remettant ainsi en question les hypothèses traditionnelles concernant les incréments de demi-points et le fondement mathématique de l'équité au jeu de Go.
Cette étude démontre qu'un protocole de pleine capacité proactif guidé par l'apprentissage automatique, qui prédit l'encombrement six heures à l'avance, réduit significativement le temps que les services d'urgence passent au-dessus des seuils d'encombrement et raccourcit la durée du protocole par rapport à l'activation réactive conventionnelle, bien qu'il n'améliore pas de manière significative les temps d'attente globaux ou la durée de séjour.
Cet article démontre que les plongements de CodeBERT gelés inversent systématiquement les signaux de similitude pour les paires de mutants comportementalement divergents, en les évaluant à tort comme étant plus similaires que du code véritablement équivalent, révélant ainsi que de tels plongements reflètent une proximité superficielle plutôt qu'une équivalence comportementale et nécessitent un ajustement fin contrastif ou une vérification basée sur l'exécution pour une analyse de code fiable.