4157 articles
Malgré l'attrait théorique de considérer les hallucinations comme des instabilités dynamiques dans les grands modèles de langage, cet article démontre que les représentations statiques sont bien plus efficaces pour la détection, car l'ajout de caractéristiques dynamiques n'apporte aucune amélioration statistiquement significative par rapport à de simples sondes linéaires.
Cet article présente un cadre d'analyse intelligente des causes racines pour Microsoft Fabric et Power BI qui utilise la corrélation de télémétrie multicouche et l'inférence pilotée par le langage Kusto Query Language afin d'améliorer considérablement la précision et la rapidité du diagnostic d'incidents par rapport aux méthodes manuelles traditionnelles.
Cette étude emploie la recherche basée sur la conception pour démontrer qu'un assistant de codage GPT personnalisé, lorsqu'il est intégré à des invites structurées et à un flux de travail collaboratif centré sur l'humain, soutient efficacement le codage déductif des dialogues de classe tout en soulignant que le succès de la collaboration humain-IA dépend de l'interaction dynamique entre l'architecture des invites, le séquençage du flux de travail et la posture du chercheur envers l'IA.
Cet article analyse systématiquement le conditionnement contextuel dans les modèles vision-langage à travers diverses architectures et jeux de données, révélant que si le prompting au niveau du domaine est systématiquement bénéfique, le conditionnement contextuel complet par image présente une variance élevée et des risques de surapprentissage, son utilité étant principalement pilotée par l'échelle du modèle et la précision de base.
Cet article présente la première étude à l'échelle de la production sur la conception de cours assistée par l'IA en exploitant un ensemble de données respectant la vie privée provenant de CourseFactory pour extraire quatre surfaces de flux de travail, démontrant que le tri de la qualité structurelle et les modèles de routage de l'élément vers l'assignation améliorent considérablement l'efficacité et la précision de la révision tout en confirmant que le texte des invites retenu n'ajoute aucun signal mesurable.
Cette étude démontre que bien que les trajectoires réussies et échouées dans un modèle de monde perturbé présentent des dynamiques de récupération distinctes — telles qu'une entropie de chemin plus faible et moins d'excursions structurelles — ces motifs de trajectoire complète ne peuvent pas être prédits de manière fiable à partir de préfixes précoces, distinguant ainsi les défis de la détection de régime, du suivi de la récupération et de la prédiction de déploiement individuel.
Cet article introduit le Momentum de H. Dilpriya (HDM), un nouvel optimiseur multi-stratégie qui combine des corrections adaptatives par paramètre avec une planification par recuit cosinus pour atteindre des garanties de convergence rigoureuses et un alignement de gradient de pointe, démontrant une performance supérieure tant sur des problèmes synthétiques mal conditionnés que sur des benchmarks d'apprentissage profond tels que MNIST et CIFAR-10.
Cet article propose une architecture de service de LLM hybride edge-cloud multi-locataire qui combine le décodage spéculatif quantifié en W4A16 avec une communication asynchrone et un orchestrateur de vérification multi-locataire afin de répondre simultanément aux défis de confidentialité, de latence et d'utilisation des ressources.
Cet article présente JPAL-HA, un modèle d'apprentissage sûr pour les environnements critiques en matière de sécurité qui exploite les justifications des actions humaines pour générer des requêtes hypothétiques, améliorant ainsi considérablement la sécurité et l'efficacité d'échantillonnage tout en réduisant la charge d'entraînement humaine.
Cette étude démontre que l'utilisation de l'apprentissage automatique explicable pour analyser les données du climat de sécurité au niveau des items révèle des modèles de risques comportementaux non linéaires et dépendants de seuils, pilotés par la réactivité de la direction, la formation et l'expérience, remettant ainsi en question les modèles traditionnels d'agrégation linéaire et offrant une base plus précise pour la prévention proactive des accidents.