Articles vérifiés par les auteurs

Machine Learning for Predicting the Proton Structure Function $F_2^P$ in QCD

Cet article présente une étude comparative démontrant que les modèles de Perceptron Multicouche et de Régression par Processus Gaussien, entraînés sur les données expérimentales du BCDMS, prédisent efficacement la fonction de structure protonique $F_2^p$ en capturant les dynamiques complexes et non linéaires de la QCD sans résoudre les équations d'évolution DGLAP.

Non-equilibrium thermodynamics of collapse models in the strongly non-Gaussian regime

Cet article établit rigoureusement la cohérence thermodynamique du modèle de réduction dissipatif de Diosi-Penrose dans le régime fortement non gaussien en employant une nouvelle approche de simulation pseudo-spectrale exacte pour démontrer que le système se stabilise dans un état stationnaire hors équilibre dont la non-gaussianité asymptotique suit le cube du paramètre de dissipation, résolvant ainsi le problème de l'échauffement non physique tout en confirmant la nécessité de méthodes numériques exactes pour capturer les queues de distribution critiques.

Causal Longitudinal Prior-Fitted Networks for Counterfactual Outcome Prediction

L'article présente CausalLongPFN, un réseau pré-entraîné par ajustement de prior (prior-fitted network) gelé, pré-entraîné sur des modèles causaux temporels synthétiques, qui prédit les résultats longitudinaux contrefactuels sans entraînement spécifique au domaine, démontrant une performance compétitive sur des benchmarks tels que le cancer, le VIH et MIMIC-III tout en offrant une alternative rentable à la modélisation traditionnelle spécifique à une cohorte.

Emergent Language as an Approach to Conscious AI

Cet article propose une méthodologie générative utilisant le langage émergent dans l'apprentissage par renforcement multi-agents pour étudier la conscience artificielle en démontrant comment des agents, partant sans a priori linguistiques humains, peuvent développer une communication autoréférentielle et des structures cognitives inédites dictées uniquement par les exigences des tâches et les affordances environnementales.

The Discovery of an Active Wind from the Milky Way's Black Hole

Grâce à des observations ALMA d'une résolution et d'une profondeur sans précédent, des chercheurs ont découvert une large zone de dégagement conique dans le gaz moléculaire froid entourant Sagittarius A*, fournissant la première preuve directe d'un vent actif provenant du trou noir central de la Voie lactée.

Would you still call this Dax? Novel Visual References in VLMs and Humans

Analytic patch trees: branch interface inheritance and fractal dimension fields

Cet article généralise les arbres de courbes fractales analytiques à des arbres de patchs de surfaces de dimension supérieure en remplaçant les points de ramification par des variétés d'interface qui transmettent des états analytiques, établissant ainsi des conditions d'intégrabilité, de conformité et d'autosimilarité tout en introduisant un champ de dimension lisse grâce au feuilletage naturel des arbres en structures de courbes.

Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models

Cet article démontre qu'une génération d'actions en une seule étape performante pour les modèles Vision-Langage-Action peut être obtenue simplement en biaisant la distribution de temps d'entraînement vers des états à bruit élevé, éliminant ainsi le besoin de distillation complexe ou d'objectifs auxiliaires typiquement requis dans la synthèse d'images tout en égalant ou en dépassant les performances des politiques de diffusion à étapes multiples.

Catastrophic Forgetting as Accessibility Collapse: A Three-Level Framework for Knowledge Persistence in Continual Learning

Cet article propose un cadre à trois niveaux distinguant le stockage, la représentation et l'accessibilité de la connaissance pour démontrer que l'oubli catastrophique dans l'apprentissage continu est principalement un échec d'accessibilité plutôt qu'une effacement représentationnel complet, comme en témoigne la persistance de l'information de tâche dans les représentations neurales qui peut être récupérée par un simple réentraînement de classificateur.

Learning to Contest: Decentralized Robust Fairness in Cooperative MARL via Cross-Attention

Cet article introduit CAN, une politique d'attention croisée décentralisée pour l'apprentissage par renforcement multi-agents coopératif qui atteint une équité robuste et une grande efficacité en déduisant dynamiquement le nombre de passagers clandestins et en les contestant proportionnellement, surmontant ainsi les vulnérabilités des apprenants équitables existants sans nécessiter d'allocateur centralisé.