Articles dont les auteurs originaux ont examiné notre explication accessible.
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.
1288 articles vérifiés par les auteurs · 641–650 / 1288
Inspiré par les travaux de Takei, cet article étudie le comportement limite presque sûr des marches aléatoires à renforcement d'arêtes linéaire sur la demi-droite avec des poids d'arêtes initiaux spécifiques dans le régime récurrent, étendant ainsi les résultats existants.
Cet article présente MindTailor, un cadre qui améliore le soutien émotionnel personnalisé en exploitant l'historique des publications d'un demandeur pour la formulation de cas et en employant un raffinement par agents collaboratifs, validé par le nouveau jeu de données ReddiSupp et une performance supérieure en matière d'empathie, de personnalisation et de préférence utilisateur par rapport aux modèles de référence.
En effectuant des reconstructions de volume explicites dans des fonds de trous noirs de type AdS modifiés et BTZ près de l'horizon, cet article démontre que l'extension du dictionnaire AdS/CFT à fini induit des violations non perturbatives de la micro-causalité dans le volume, caractérisées par une échelle de non-localité dépendante du col et une structure dip-ramp-plateau dans le facteur de forme spectral.
Cet article établit un cadre de réduction dimensionnelle harmonique qui prouve que les systèmes de Schrödinger non linéaires couplés en avec des potentiels de piégeage transversaux stationnaires peuvent être exactement réduits en hiérarchies intégrables en , permettant la construction de solutions multidimensionnelles exactes — incluant des respirations de réseaux de vortex, des courants de spin vectoriels et des vagues scélérates — pour des systèmes scalaires, multicomposants et de Maxwell--Bloch.
DevoTG est un cadre de réseaux de neurones graphiques temporels en open-source qui modélise la connectomique du développement de *C. elegans* en analysant à la fois la lignée cellulaire et la dynamique du connectome synaptique, démontrant avec succès le rôle critique de la mémoire temporelle dans la prédiction du développement neural et l'identification de classes distinctes de stabilité de connexion à travers les stades larvaires.
Cette étude de méthodes mixtes révèle que près de la moitié des aliments ultra-transformés ciblant les enfants au Brésil contiennent des colorants alimentaires, particulièrement dans les boissons et les sucreries, et souligne que si les parents reconnaissent les risques pour la santé et l'intention marketing de ces additifs, ils éprouvent des difficultés à les éviter, mettant en évidence la nécessité de réglementations plus strictes et d'une amélioration de l'étiquetage.
Cet article étend une identité fondamentale pour les tableaux vacillants à des treillis différentiels arbitraires en utilisant leurs propriétés structurelles et dérive de nouvelles preuves bijectives pour le treillis de Young et ses puissances cartésiennes à travers un simple processus de suppression-insertion.
Cet article présente une étude d'ablation des composants d'un système de RAG agentique utilisant un modèle local de 7B sur HotpotQA, révélant que la recherche hybride fixe et les itérations de recherche limitées surpassent le routage adaptatif complexe et les boucles plus profondes, démontrant que les conceptions simples et non adaptatives sont plus efficaces pour le QA multi-étapes sous des contraintes de ressources.
Cet article établit un lien théorique entre l'information cohérente et la perte des réseaux de neurones pour développer un décodeur basé sur les transformateurs qui prédit avec précision les seuils de correction d'erreurs quantiques et surpasse de manière significative les décodeurs traditionnels par appariement parfait de poids minimum, tout en prouvant l'optimalité d'un nouveau schéma de post-sélection douce.
Cette étude présente une évaluation comparative exhaustive de huit modèles d'apprentissage automatique et d'apprentissage profond pour la prédiction des performances des moteurs à rotor synchrone à bobinage, démontrant que les architectures basées sur les réseaux de neurones, particulièrement le FT-Transformer, surpassent de manière significative les modèles basés sur les arbres en termes de précision et de vitesse de calcul, tout en offrant un protocole de reproductibilité multi-graines robuste et une analyse de Pareto des compromis coût-précision.