5297 articles
Cet article propose un cadre d'optimisation piloté par la connaissance pour la sélection de petites cellules en réseaux 6G, combinant une modélisation par théorie des files d'attente et un apprentissage léger pour réduire significativement la latence et les pertes de paquets dans des environnements denses et mobiles.
Le papier propose EmbTracker, un cadre de filigrane noir traçable côté serveur pour les modèles de langage fédérés, permettant d'identifier de manière unique les clients malveillants ayant divulgué leurs modèles via des requêtes API, tout en résistant aux attaques d'élimination et en préservant les performances du modèle principal.
Cet article présente le premier cadre complet de modélisation cinématique et dynamique pour le manipulateur côté patient dVRK-Si, permettant l'identification des paramètres et une compensation de la gravité qui réduisent significativement les erreurs de positionnement et améliorent la précision du suivi de trajectoire par rapport aux méthodes traditionnelles.
Cet article présente une structure de données à espace quasi linéaire pour le comptage approximatif de points dans des sphères de haute dimension, offrant un temps de requête sous-linéaire même lorsque le nombre de points dans la zone d'ambiguïté est faible, et propose en outre un algorithme de prétraitement adaptatif aux distributions de requêtes.
EvoTok est un tokenizeur d'images unifié qui résout le compromis entre la compréhension visuelle et la génération en encodant les images dans un espace latent partagé via une évolution résiduelle, permettant ainsi d'obtenir d'excellents résultats sur les deux tâches malgré un jeu de données d'entraînement réduit.
Ce papier présente PrivCI, une méthode de synthèse de données différentiellement privée qui intègre des contraintes d'indépendance conditionnelle dans une étape de mesure basée sur un arbre couvrant minimal pour éliminer les biais tout en préservant la fidélité des données.
Cet article propose un cadre unifié analysant la co-évolution des dynamiques d'opinion et des effets performatifs des systèmes d'apprentissage, démontrant que ces interactions créent de nouveaux équilibres qualitatifs où les objectifs prédictifs agissent comme une force d'homogénéisation et amplifient les effets de débordement, modifiant ainsi fondamentalement la réponse des réseaux sociaux aux interventions.
Le papier présente HATS, un cadre de synthèse de trajectoires qui améliore la généralisation des agents GUI en identifiant et en ciblant spécifiquement les actions sémantiquement ambiguës grâce à une boucle fermée d'exploration guidée par la difficulté et de raffinement aligné.
Cet article présente ChemSICal-Net, un modèle de réseau de réactions chimiques intégrant un contrôle temporel par oscillateur et une optimisation bayésienne adaptative pour réaliser une annulation successive des interférences dans les communications moléculaires, démontrant ainsi une amélioration significative de la précision de détection et de l'efficacité des paramètres.
Ce papier présente EgoIntent, un benchmark de niveau étape pour les vidéos égocentriques évaluant la compréhension des intentions locales, globales et des étapes suivantes, et révèle que les modèles multimodaux actuels peinent encore à maîtriser cette tâche complexe.
Cet article présente un algorithme déterministe, à la fois temporel, en messages et en mémoire optimal, pour le problème de l'arbre couvrant de poids minimal et l'agrégation partielle, comblant ainsi une lacune majeure des méthodes existantes qui limitent leur déploiement dans les réseaux modernes.
Le papier présente LatentGeo, un cadre innovant qui internalise les constructions géométriques auxiliaires dans un espace latent continu via un apprentissage par curriculum et un renforcement adapté, surmontant ainsi les limites des approches existantes pour améliorer le raisonnement géométrique multimodal.
Cet article examine la transférabilité des théorèmes classiques de définition et de préservation modale vers les structures finies, démontrant que certains résultats sémantiques survivent à cette restriction, notamment le théorème de sécurité de la bisimulation, tandis que d'autres échouent.
ComFree-Sim est un moteur de physique de contact parallélisé sur GPU qui, en utilisant une modélisation analytique sans complémentarité, permet une simulation robotique riche en contacts avec une mise à l'échelle quasi linéaire et un débit accru, facilitant ainsi des contrôles en boucle fermée à haute fréquence pour des tâches complexes comme la manipulation dextre.
Le papier présente SaPaVe, un cadre end-to-end qui unifie la perception active et la manipulation robotique via une stratégie d'entraînement décomposée et un nouveau jeu de données, surpassant les modèles d'action vision-langage-actuel existants en termes de robustesse et de taux de réussite dans des environnements réels.
Cette étude examine la sensibilisation à la vie privée des développeurs et des consultants ERP au sein d'une firme internationale en utilisant le modèle comportemental de Fogg pour identifier des leviers favorisant l'adoption de pratiques conformes au RGPD.
Ce papier introduit les contraintes de chemin équationnelles, une classe de propriétés comportementales finitaires offrant une alternative algébrique aux coéquations pour axiomatiser les covariétés de coalgèbres et construire leurs coalgèbres finales.
Le papier présente ForensicZip, un cadre sans entraînement qui reformule la compression de tokens comme un problème de transport optimal pour préserver les artefacts de falsification dans les modèles vision-langage, permettant une accélération significative sans compromettre les performances de détection.
Cet article généralise l'analyse de Yao sur la fragmentation interne des B-trees pour traiter les insertions par lots, en proposant des stratégies alternatives qui garantissent une bonne utilisation de l'espace pour les charges de travail non couvertes par la méthode de division uniforme.
Ce papier présente « Verifier », un méta-modèle qui évalue la fiabilité des prédictions de suivi de points pour générer des pseudo-étiquettes de haute qualité, permettant ainsi une adaptation efficace aux vidéos réelles et l'obtention de résultats state-of-the-art avec moins de données.