3729 articles
Ce document présente TamilSynth, un corpus synthétique à grande échelle pour l'OCR du tamoul, et démontre que la correction de trois paramètres par défaut silencieux dans le flux de travail standard d'entraînement de Tesseract — plutôt que la conception du corpus elle-même — est cruciale pour obtenir des réductions d'erreurs significatives sur des documents réels.
Cette étude présente une analyse transmodale exhaustive de la détection de contenu généré par l'IA en synthétisant six familles techniques communes à travers le texte, l'image, l'audio et la vidéo, établissant ainsi une taxonomie unifiée pour évaluer de manière critique les défis actuels tels que l'écart entre le laboratoire et le déploiement et la robustesse adversaire, tout en esquissant des directions futures pour des systèmes de détection robustes et généralisables.
InfiniRetri est une méthode sans entraînement qui exploite les mécanismes d'attention intrinsèques d'un LLM pré-entraîné pour distiller de manière itérative le contexte pertinent à partir d'entrées arbitrairement longues, permettant ainsi une récupération et un raisonnement de contexte long efficaces et hautement précis sans nécessiter de modèles d'encodage externes ou de réentraînement coûteux.
Cette étude propose un modèle EARF-LSTM intégrant une analyse de l'incertitude et de la dépendance par CNN-attention qui classifie et incorpore explicitement les incertitudes d'entrée et du système en tant que caractéristiques afin d'améliorer significativement la précision, l'interprétabilité et la fiabilité probabiliste des prévisions de puissance photovoltaïque par rapport aux techniques d'apprentissage profond conventionnelles.
Cet article introduit une typologie de l'applicabilité des sources ainsi qu'un cadre par étapes pour guider le transfert de modèles de vivabilité urbaine entre diverses villes en démontant que les échecs de transfert interurbain découlent principalement de perceptions communautaires divergentes d'environnements similaires plutôt que de caractéristiques urbaines inconnues, permettant ainsi une planification par IA plus évolutive et sensible au contexte.
Cet article introduit FundusSigns-47, un ensemble de données ophtalmologiques multi-labels à grande échelle comprenant 47 signes, et propose SCVPT, un nouveau cadre combinant un SigLIP2 ajusté par incitation (prompt-tuned) avec un vérificateur résiduel InceptionV3 appris, qui atteint des performances supérieures en termes de macro-F1 et de rappel pour la reconnaissance de signes multi-labels.
Cet article démontre qu'un cadre de raffinement itératif contrôlé et auditable améliore significativement la qualité et l'efficacité des réponses des grands modèles de langage à travers divers domaines et politiques d'arrêt par rapport à la génération directe, tout en remettant en question les affirmations universelles selon lesquelles une évaluation plus complexe ou des stratégies d'arrêt adaptatives sont toujours supérieures.
Cet article introduit le Recuit Simulé Guidé par le Résidu (RGSA), une nouvelle heuristique de préservation de la cardinalité qui génère systématiquement des solutions à faible résidu et quasi-admissibles pour le problème du somme de sous-ensembles multidimensionnel sur les instances QOBLIB avec , surpassant le recuit simulé aveugle et les échantillonneurs QUBO tout en fournissant une base de référence classique reproductible là où les solveurs exacts demeurent peu pratiques.
Cette revue systématique de 32 études sur la classification de textes médicaux basée sur les transformers introduit une taxonomie fonctionnelle à quatre niveaux pour organiser les méthodes sensibles à l'incertitude, révélant que la recherche actuelle se concentre de manière disproportionnée sur la représentation des caractéristiques et la fiabilité des données d'entraînement, tout en manquant de cadres d'évaluation standardisés pour l'estimation de l'incertitude et la prise de décision.
Cet article propose DRAG-Net, un réseau de graphes à attention résiduelle profonde et léger qui intègre DenseNet121, des mécanismes d'attention et un raisonnement relationnel basé sur les graphes pour capturer efficacement les dépendances faciales locales et globales afin de permettre une reconnaissance des expressions faciales robuste en conditions réelles.