Articles vérifiés par les auteurs

Pour chaque article de cette page, au moins un des auteurs originaux a examiné notre explication accessible — soit en confirmant sa précision, soit en demandant des corrections que nous avons ensuite appliquées. Une validation ne signifie pas que les auteurs approuvent formellement chaque phrase, mais que l'explication a été revue par les personnes qui ont écrit l'article.

607 articles vérifiés par les auteurs · 201–210 / 607

Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning

Ce papier présente un cadre hybride de dynamique des fluides computationnelle et d'apprentissage par renforcement multi-agent multi-objectif qui coordonne avec succès des essaims de micro-robots actionnés magnétiquement dans des écoulements dynamiques et pulsés en utilisant PCGrad pour résoudre les conflits de gradients, permettant ainsi une optimisation simultanée de la progression en amont, de l'efficacité énergétique et de la régularité du mouvement grâce à des comportements hydrodynamiques émergents.

Josef Berman, Oren Gal2026-05-26✓ Author reviewed ⓘ⚡ eess

Measuring Reasoning Quality in LLMs: A Multi-Dimensional Behavioral Framework

Ce papier présente un cadre comportemental unifié multidimensionnel qui évalue le raisonnement des LLM selon six dimensions distinctes — Exactitude, Cohérence, Robustesse, Cohérence Logique, Efficacité et Stabilité — afin de révéler des insights critiques et de prévenir les erreurs de classement que les métriques traditionnelles se limitant à la précision négligent.

Ali Şenol, Garima Agrawal, Huan Liu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Habermolt: Delegating Deliberation to AI Representatives

Cet article présente Habermolt, une plateforme publique de délibération déléguée à l'IA où des agents représentent des humains dans la prise de décision collective, et évalue son efficacité à travers les dimensions de représentation, d'agrégation et de révision pour répondre aux nouveaux défis de conception et d'alignement des représentants d'IA évolutifs et dignes de confiance.

Joseph Low, Oscar Duys, Claude Formanek, Michiel Bakker, Lewis Hammond2026-05-26✓ Author reviewed ⓘ💻 cs

The Concept Allocation Zone: Tracking How Concepts Form Across Transformer Depth

Ce papier introduit la Zone d'Allocation de Concept (CAZ), un cadre qui redéfinit la formation de concepts dans les modèles transformateurs comme un processus étendu en profondeur se produisant à travers une région contiguë du flux résiduel plutôt qu'à une seule couche « optimale », en utilisant de nouvelles métriques pour identifier ces zones et révélant que de nombreux concepts résident dans des régions d'allocation subtiles et multimodales qui sont causalement actives mais invisibles pour les méthodes standard de détection de pics.

James Henry2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Forgotten Words: Benchmarking NeoBERT for Dementia Detection in Low-Resource Conversational Filipino and English Speech

Ce papier présente la première évaluation systématique de la détection de la démence basée sur des transformateurs dans la parole code-switchée Filipino-Anglais, démontrant que si les modèles monolingues échouent à généraliser d'une langue à l'autre, le fine-tuning bilingue élimine efficacement la dégradation des performances interlangues et atteint une haute précision indépendamment de l'architecture du modèle.

Rez Samantha Z. Floresca, Edric Castel C. Hao, Hannah Grachiella Buñales, Chelsea Dominique E. Temprosa, Georgianna Z. Reyes, Kervin Gabriel L. Chua2026-05-26✓ Author reviewed ⓘ💬 cs.CL

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning

Ce papier présente SiST-GNN, un réseau de neurones à graphes dynamique novateur qui unifie la propagation de messages spatiale et temporelle en une seule opération en enrichissant le graphe d'arêtes inter-temporelles, permettant ainsi d'atteindre des performances de pointe en prédiction de liens et en classification de nœuds sur divers benchmarks.

Shubhajit Roy, Anirban Dasgupta2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Learning in Low-Dimensional Subspaces: Orthogonal Bottlenecks for Reinforcement Learning

Ce papier introduit les goulots d'étranglement orthogonaux, un mécanisme léger et agnostique à l'architecture qui contraint les représentations de l'apprentissage par renforcement à des sous-espaces de faible dimensionnalité via des projections orthonormées fixes, démontrant à la fois théoriquement et empiriquement que les fonctions de valeur pertinentes pour la tâche peuvent être préservées et souvent améliorées avec une dimensionnalité minimale tout en stabilisant la géométrie des caractéristiques.

Aleksandar Todorov, Matthia Sabatelli2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Geometric Workspace Analysis and Transmission-Aware Dynamics of a Serial Spherical Tool for Microsurgery

Cet article présente un cadre de conception cinématique et conscient des transmissions pour un outil microchirurgical sphérique en série, comportant une formulation analytique de l'espace de travail et une méthodologie informée par la dynamique pour des transmissions à autoblocage, qui sont validées par des expériences sur un système robotique conçu spécifiquement pour la chirurgie vitréorétinienne.

Anestis Mablekos-Alexiou, Lyndon da Cruz, Christos Bergeles2026-05-26✓ Author reviewed ⓘ💻 cs

Cross-Domain Generalization Limits of Vision Foundation Models in Facial Deepfake Detection

Ce papier évalue systématiquement les limites de généralisation inter-domaines des modèles de base visuels dans la détection des deepfakes faciaux, révélant que si ces modèles excellent à identifier la synthèse de visage complet, ils peinent avec les techniques d'édition localisée en raison de compromis inhérents entre les paradigmes de pré-entraînement et les structures d'évaluation par sonde linéaire.

Ibrahim Delibasoglu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

Ce papier propose un modèle d'apprentissage par renforcement multi-agent conscient de l'énergie utilisant des réseaux de Q profonds avec des fonctions de récompense individuelles pour améliorer la robustesse, l'efficacité énergétique et le taux de réussite des réseaux de drones orientés vers des missions, en particulier lors de l'augmentation de la taille de l'environnement et du nombre d'agents par rapport aux approches traditionnelles à récompense partagée.

Changling Li, Ying Li2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

← Précédent Suivant →