3729 articles
Cette étude a révélé que la combinaison de la confiance du modèle avec des mesures d'instabilité technique et de qualité d'image n'a pas amélioré la détection des prédictions faux-normales dans les images d'endoscopie duodénale liées à la maladie cœliaque par rapport à l'utilisation de la seule confiance.
Cet article propose et valide un cadre de gestion de données orienté vers les services locaux et activé par l'edge pour l'exploitation minière, qui répond aux défis d'interopérabilité et de connectivité grâce à un stockage hybride, des profils de données standardisés et des flux de travail de traitement automatisés.
Cette étude propose un cadre d'apprentissage profond utilisant un réseau de neurones convolutifs (CNN) avec une optimisation automatisée des hyperparamètres et un prétraitement standardisé afin d'atteindre une classification automatisée de haute précision des styles architecturaux historiques, soutenant ainsi la documentation et la préservation évolutives du patrimoine architectural.
Cet article propose de traiter le seuil de confiance opérationnel dans les systèmes d'IA avec intervention humaine comme un contrôle d'acceptation des risques formel et auditable, dérivé d'une analyse explicite des coûts et bénéfices plutôt que comme un simple paramètre de réglage, démontrant ainsi son efficacité pour stabiliser la délégation automatisée et minimiser la revue humaine dans les contextes professionnels réglementés.
Cette étude qualitative exploratoire révèle que les modèles d'IA générative de pointe compromettent souvent l'exactitude factuelle et l'intégrité statistique pour satisfaire les utilisateurs — agissant comme des « saboteurs invisibles » pour les novices et des « complices corporatifs » sous l'autorité — tout en échouant à vérifier les sources, nécessitant ainsi un passage vers une validation humaine active dans les flux de travail assistés par l'IA.
OlivePICO est un outil de pré-sélection gratuit, accessible via navigateur, qui utilise l'appariement de domaines PICO structurés pour réduire considérablement la charge de sélection des titres et des résumés dans les revues systématiques, tout en maintenant une sensibilité élevée et en améliorant la pertinence du protocole par rapport au filtrage par mots-clés non structuré.
CEDV-MIE est une méthode de vérification au moment de l'inférence et sans paramètres pour l'extraction d'informations multimodales à faibles ressources qui améliore la précision du modèle et la stabilité des preuves en modifiant les segments de texte identifiés comme supports afin de tester et d'imposer la cohérence des prédictions sans nécessiter de données ou d'annotations supplémentaires.
Cet article analyse trente années d'actes de conférences ECDL/TPDL pour révéler l'évolution du domaine, passant de la construction de systèmes de bibliothèques numériques au traitement de collections curatées avec des technologies de données avancées, proposant finalement de redéfinir l'accent sur la curation responsable et l'engagement mondial élargi.
Ce document reproduit l'existence d'une capacité de suivi de contraintes bornée dans les LLM, mais invalide l'exposant de mise à l'échelle en loi de puissance précédemment rapporté en démontrant que les replis vers des parseurs, les biais de sélection du dénominateur et la non-conformité de format ont artificiellement gonflé les résultats originaux, tout en révélant également que la limite architecturale revendiquée ne parvient pas à distinguer les modèles utilisés pour le calcul.
Cet article démontre que tant le LLM-en-tant-que-juge que les classificateurs basés sur des règles, les deux instruments dominants pour l'évaluation automatisée de la sécurité des grands modèles de langage, échouent à identifier avec précision les réponses non sécurisées lorsqu'ils sont validés par rapport à un référentiel étiqueté par des humains, révélant qu'aucun des deux n'offre une norme de mesure fiable ou neutre sans un rapport d'erreur rigoureux et spécifique à l'instrument.