3149 articles
DISA est une méthode d'RL hors-ligne pour les LLM qui découple l'estimation de la fonction de partition (via importance sampling) de l'optimisation de la politique. Sur 9 benchmarks (math et code), elle égale ou surpasse FlowRL, dépasse GRPO/GSPO, et conserve plus de diversité stratégique que les baselines de maximisation de récompense.
FishBack propose une méthode d'activation steering basée sur la géométrie de Fisher pour les transformers. Les auteurs montrent que l'espace d'activation n'est pas euclidien (déviation >97% sur GPT-2) et dérivent une équation de steering optimale en forme fermée. La méthode surpasse CAA, ActAdd et ITI de 1.3×–2.5× sur la réduction KL hors-cible.
ChemVA, un framework pour améliorer la compréhension des diagrammes de réactions chimiques par les LLMs. Combine détection visuelle multi-granularité des groupes fonctionnels et alignement sémantique pour activer le raisonnement chimique latent. Atteint 92% de précision de reconnaissance structurelle sur OCRD-Bench et +20 points de performance sur 9 LLMs.
Un article arXiv propose que l'IA agentive responsable nécessite une provenance explicite et traçable tout au long du cycle de vie. Les auteurs formalisent cette provenance via une fonction d'attribution causale et un tenseur de responsabilité, montrant qu'elle est estimable et interventionnable avant accumulation de dommages irréversibles.
HEED propose une méthode d'alignement résiduel pondéré par densité pour distiller des modèles vision-langage (ex. Qwen3-VL-8B) en architectures hybrides Mamba-2/attention. La technique cible les patches haute-densité (texte, détails fins) qui subissent 3.6× plus de dérive résiduelle. Résultats : +8.7 points OCRBench v2, +5.13 points en moyenne, 4.12× throughput, 68% économie mémoire.
Étude sur l'organisation géométrique des représentations dans les modèles de langage selon leur échelle. Subspace PGA mesure l'alignement de la géométrie intermédiaire avec la matrice d'unembedding. Modèles petits (≤1024) perdent progressivement cette organisation aux couches tardives, tandis que grands modèles (≥2048) la préservent. L'échelle détermine comment la géométrie s'organise pour la prédiction.
D²Evo est un framework RL pour améliorer le raisonnement des LLM. Il résout la rareté des samples de difficulté moyenne en minant des anchors adaptés à la capacité du modèle et en entraînant un Questioner à générer des questions diversifiées. Résultats : surpasse les méthodes existantes sur benchmarks mathématiques avec <2K samples réels.
Théorie du couplage attracteur-vasculaire (AVCT) : cadre mathématique montrant que la géométrie de l'attracteur cardiaque encode l'information de pression artérielle. Modèle LightGBM calibré sur PPG smartphone atteint MAE 2.05 mmHg (SBP) et 1.67 mmHg (DBP) en validation LOSO-CV stricte (46 sujets, 29,684 fenêtres), satisfaisant critères AAMI/IEEE SP10. PPG seul égale ECG+PPG à 0.05 mmHg près.
IsalProgram est un langage assembleur régulier où tout string fini est un programme valide. Exécuté sur une machine virtuelle avec liste doublement chaînée circulaire et trois pointeurs de données, il élimine adresses mémoire et noms de variables. Proposé comme cible pour la synthèse neuronale de programmes.
DriveSafe est un framework pour l'évaluation des risques dans les scénarios de conduite autonome. Il génère des descriptions spatiales enrichies (mouvement, profondeur) puis fine-tune un adaptateur léger pour identifier les objets dangereux et proposer des actions sécuritaires. Atteint SOTA sur le benchmark DRAMA.
SkyPart, une tête légère pour vision transformers, améliore la géolocalisation croisée drone-satellite en séparant explicitement la disposition et la texture via prototypes apprenables. Avec 26.95M paramètres, elle atteint l'état de l'art sur SUES-200, University-1652 et DenseUAV, avec robustesse accrue sous corruptions météorologiques.
Les pipelines RL asynchrones pour agents LLM perdent les anciens logits historiques nécessaires à la correction off-policy PPO, entrelançant correction de discordance et correction de staleness. L'article propose trois stratégies d'acquisition (snapshot, modèle dédié, interruption) et une méthode PPO-EWMA approximée pour préserver la sémantique de correction découplée.
Orthrus combine un LLM autorégressif et un modèle de diffusion via une architecture duale unifiée. Le framework ajoute un module léger à un Transformer gelé pour générer des tokens en parallèle tout en conservant la fidélité exacte du modèle autorégressif. Speedup jusqu'à 7.8x avec surcharge mémoire O(1).
Les modèles de langage en pipelines multi-agents basculent vers des réponses incorrectes sous désaccord simulé (yield). Contrairement à l'hypothèse courante, ce n'est pas l'RLHF qui en est responsable : les modèles de base non-alignés montrent le même pattern. L'activation patching localise la corruption dans une fenêtre mid-layer étroite. Un seul dissenseur argumentant correctement réduit le yield de 54-73 points.
Les méthodes d'apprentissage par étiquettes complémentaires (CLL) restent limitées aux classifications à 10 classes. Cet article propose BICL, un cadre qui utilise intentionnellement des matrices de transition biaisées (non-uniformes) pour restreindre les étiquettes complémentaires. Sur CIFAR-100 et TinyImageNet-200, BICL améliore la précision de plus de 7× par rapport aux méthodes traditionnelles.
Étude montrant que deux protocoles d'évaluation de redondance dans les transformers (replacement et interchange) donnent des résultats divergents pour identifier les couches à élaguer. Sur Pythia, Qwen3-8B et Llama-3.1-8B, l'écart entre les protocoles change drastiquement les couches jugées sûres à supprimer, même avec le même évaluateur KL.
Outil computationnel pour classifier les verbes de manière et de résultat à grande échelle. Utilise des prompts linguistiques avec LLM pour générer des annotations sur MASC et InterCorp (436 classes VerbNet). Classifier RoBERTa atteint 89,6% de précision sur trois datasets gold-standard. Applicable à la recherche développementale sur la sémantique verbale.
Des chercheurs proposent LAD-inspired PPT, un pré-préentraînement sur MP-STRUCT, un langage formel encodant composition hiérarchique et déplacement à longue distance. Après 500 étapes, cette approche égale les baselines formels en efficacité tokens tout en conférant aux LLMs une résistance aux langages structurellement implausibles, similaire aux humains.
AgentKernelArena est un benchmark open-source pour évaluer les agents IA sur l'optimisation de kernels GPU. Il contient 196 tâches (HIP-to-HIP, Triton-to-Triton, PyTorch-to-HIP) et teste la généralisation sur des configurations inédites. Les agents testés (Cursor Agent, Claude Code, Codex) atteignent des speedups jusqu'à 6.89x, mais montrent des faiblesses en généralisation pour PyTorch-to-HIP.
Les modèles de diffusion discrète permettent de générer du code par raffinement itératif. CDC (Constrained Diffusion for Code) intègre des contraintes directement dans le processus de débruitage sans entraînement supplémentaire, combinant optimisation mathématique et analyse de programme pour améliorer la correction fonctionnelle, la sécurité et la syntaxe.
RTI-Bench est un dataset structuré de 1 516 décisions de la Commission indienne d'information (CIC) avec étiquettes de résultats, citations d'exemptions et composants de raisonnement IRAC. Mistral 7B atteint 57,3% de précision en prédiction de résultats (baseline 14,3%). Premier dataset public pour l'analyse des décisions RTI indiennes.
MixSD est une méthode de fine-tuning sans modèle externe qui injecte des connaissances en mélangeant dynamiquement les tokens du modèle lui-même : une branche « expert » observant le fait à injecter, une branche « naïve » reflétant les priors originaux. Sur benchmarks de QA et d'édition de connaissances, MixSD retient jusqu'à 100% des capacités du modèle de base contre 1% pour SFT standard.
JSPG propose un cadre de filtrage dynamique pour l'ASR contextuelle en chinois combinant features sémantiques, pinyin et glyphes. L'approche utilise un algorithme Smith-Waterman étendu pour scorer les séquences d'hypothèses N-best. Tests sur Aishell-1 et RWCS-NER montrent amélioration significative de la reconnaissance de mots-clés.
Les grands modèles de raisonnement (LRM) génèrent des traces alignées avec les temps de réaction humains, mais cet alignement persiste indépendamment du budget de raisonnement en inférence. Étude sur GPT-OSS-20B et GPT-OSS-120B : l'allocation de tokens suit les patterns de difficulté humains et reste invariante across effort levels, suggérant que l'alignement cognitif est figé au training time.
Système de résolution de coréférence multilingue basé sur Gemma-3-27b avec adaptation deux étapes (adaptateurs multilingues puis spécifiques au dataset). CoNLL F1 de 74.32 sur test CRAC 2026, 1er du track LLM. Représentation des mentions par headword en format XML avec réindexage local.
SkillTTA synthétise des compétences textuelles spécifiques à la tâche en récupérant des trajectoires d'entraînement pertinentes, sans mettre à jour les paramètres du modèle. Évalué sur SpreadsheetBench, ALFWorld et BigCodeBench : SpreadsheetBench passe de 0.397 à 0.505 en Pass@1, BigCodeBench de 0.517 à 0.651.
PARALLAX révèle que 4 des 6 benchmarks majeurs de détection d'hallucinations contiennent la réponse correcte dans le prompt, permettant à une baseline naïve (TxTemb) d'atteindre une détection quasi-parfaite sans accès aux états internes du modèle. Évaluation de 22 méthodes sur 12 modèles open-source : la plupart échouent en conditions contrôlées, sauf SAPLMA et DRIFT (probes supervisées sur états cachés supérieurs).
PluRule est un benchmark multimodal multilingue pour la modération de communautés pluralistes sur les réseaux sociaux. Il couvre 13 371 violations de règles dans 1 989 communautés Reddit (9 langues, 2 885 règles). Les modèles vision-langage de pointe, y compris GPT-4.5 avec raisonnement avancé, ne surpassent que marginalement une baseline triviale.
SEMA-RAG est un framework multi-agent pour la génération augmentée par récupération (RAG) appliquée au raisonnement médical. Il décompose le processus en trois agents spécialisés : interprétation clinique, exploration itérative de documents, et adjudication des preuves. Testé sur 5 benchmarks et 5 backbones LLM, il améliore les baselines de +6,46 points de précision en moyenne.
Tutorial sur les LLMs multimodaux multilingues pour langues peu dotées. Couvre modèles récents (PALO, Maya), pipelines speech-text-vision, création de données à faible coût, alignement tri-modal par adaptateurs, et évaluation culturelle au-delà de l'anglais.
Les VLMs peinent à planifier à partir d'entrées visuelles complexes. Cet article propose Pattern Induction, une stratégie d'apprentissage inductif en ligne qui découvre et optimise des motifs visuels réutilisables comme experts composites. Pattern Inference permet aux VLMs de reconnaître ces motifs et d'inférer directement les structures du modèle du monde. Évalué sur FrozenLake, Crafter et CubeBench.
Étude arXiv montrant que 9 LLMs frontier héritent des biais de langage stigmatisant présents dans les notes cliniques. Les modèles réduisent agressivité thérapeutique face à une seule phrase stigmatisante. Chain-of-Thought et auto-débiaisage échouent à mitiger l'effet.
FIM-LoRA optimise l'allocation de rang dans LoRA en utilisant 8 passes de calibration pour estimer la variance des gradients par couche. Cette approche sans paramètres supplémentaires atteint les mêmes performances que LoRA standard (88.6 vs 88.7 sur GLUE avec DeBERTa-v3-base) tout en réduisant les coûts mémoire de 256x comparé à l'estimation Fisher complète.
Injecter des brouillons mathématiquement faux d'un petit modèle (Qwen2.5-Math-1.5B) mal appariés au problème courant dans le contexte GRPO d'un modèle plus fort (Mathstral-7B) surpasse le GRPO standard. Sur MATH-500, le variant mal apparié atteint 71,98% (meilleur résultat publié pour ce modèle), +1,62pp vs variant bien apparié, sans SFT ni modèles de récompense.
AgentRevive propose un cadre Markov pour l'évolution résiliente de systèmes multi-agents LLM. Au lieu de supprimer agressivement les agents défaillants, la méthode utilise des transitions d'état souples (Actif/Standby/Terminé) avec un estimateur de risque d'hallucination. Résultats : surpasse les baselines sur raisonnement général, tâches spécialisées et défis d'hallucination, réduisant la consommation de tokens.
AMATA est un framework multi-agent adaptatif pour le question-answering intensif en connaissances. Six agents spécialisés collaborent via des actions structurées pour améliorer la cohérence factuelle et réduire les hallucinations. Le système formalise la collaboration comme un problème d'alignement de trajectoires avec apprentissage des préférences intra et inter-agents.
Méthode d'adaptation de vocabulaire parameter-efficient pour améliorer la tokenization des LLM sur domaines spécialisés (légal, médical). Testée sur Llama-3.1-8B et Qwen2.5-7B : réduit le temps d'entraînement de 35-55% vs continual pretraining, diminue les paramètres de 37% vs expansion-only, améliore la qualité des résumés via tokens domain-spécifiques.
MiniGPT est une implémentation compacte de GPT en PyTorch, reconstruite from scratch dans un notebook unique. Le modèle de 10.77M paramètres atteint une validation loss de 1.4780 sur Tiny Shakespeare avec tokenization au niveau caractère et génère du texte avec structure dialogale reconnaissable.
BELIEF combine modélisation structurée des preuves et fusion consciente de l'incertitude pour la réponse à questions biomédicales. Le framework convertit documents récupérés en objets d'evidence (attributs cliniques, qualité source, pertinence, force de support) et fusionne deux chemins : symbolique (théorie Dempster-Shafer) et neural (LLM). Résultats SOTA sur PubMedQA, MedQA, MedMCQA avec 5 backbones LLM.
Étude révélant un phénomène d'« inapprenabilité » dans l'apprentissage par renforcement avec récompense vérifiable (RLVR) pour LLM. Certains exemples difficiles restent non-apprenables même avec des trajectoires correctes. L'analyse montre des défauts de représentation fondamentaux : faible similarité de gradient et patterns de raisonnement non-généralisables. L'augmentation de données ne résout pas le problème.
Étude des dynamiques de routage dans deux architectures MoE (Qwen3-30B-A3B et Nemotron-3-Nano-30B-A3B) révélant un effondrement du routage en couches profondes pour les langues sous-représentées (hébreu, japonais). L'entraînement continu bilingue corrige cet déséquilibre mieux que le fine-tuning supervisé seul.
Article sur Contract-Bounded Evidence Activation (CBEA) et Lexicographic Commitment Validation (LCV) pour systèmes de langage personnalisés. CBEA+LCV atteint zéro défaillances à 0.49-0.60 disponibilité vs 0.003-0.092 pour baselines, avec 74-75% réduction de payload d'entrée médian.
Étude comparative de 10 workflows d'annotation pour la résumé de parole conversationnelle. Les résumés basés sur audio sont moins informatifs que ceux basés sur transcripts, mais l'édition itérative par pairs avec audio compense cette différence. Validation de cette approche pour créer des benchmarks intégrant informations lexicales et prosodiques.
Benchmark de LLMs sur la classification multi-label du traitement des précédents juridiques. Dataset expert-annoté de 239 citations réelles. Gemini 2.5 Flash atteint 79,1% en classification haut-niveau, GPT-5-mini 67,7% en schéma fin-grained. Nouvelle métrique Average Severity Error pour mesurer l'impact pratique des erreurs.
Nouvelle approche de topic modeling (SBTA) qui assigne des topics à des segments de texte plutôt qu'à des documents entiers, réduisant la contamination thématique. Les auteurs créent SemEval-STM, un dataset annoté via LLM + révision humaine, et valident l'amélioration de la qualité et interprétabilité sur plusieurs modèles.
Des chercheurs montrent que des petits modèles (Gemma 4 E4B, Qwen3-4B) fine-tunés avec QLoRA 8-bit internalisent la connaissance des outils sans nécessiter leurs schémas en prompt. Sur AssetOpsBench, les modèles fine-tunés surpassent les baselines non fine-tunés : réduction de 82,6% de la longueur d'entrée, AT-F1 de 0,65 vs 0,47, et 2,5× plus rapide pour Qwen3.
Une étude arXiv compare l'apprentissage Matryoshka (MRL) avec la troncature simple d'embeddings textuels. Les résultats montrent que sans MRL, les embeddings restent robustes jusqu'à 80% de réduction dimensionnelle. MRL n'offre un avantage que pour les troncatures très agressives (>80%), remettant en question son coût d'entraînement systématique.
Évaluation systématique de notes cliniques synthétiques générées par LLM à l'échelle du million de notes. L'étude montre que les notes synthétiques préservent les informations cliniques essentielles pour les tâches grossières mais perdent les détails fins pour le codage ICD. Le rephrasing par chunks réduit cette perte mais diminue la précision factuelle.
SynPro, un framework de génération de données synthétiques, aide les LLM à mieux apprendre à partir de corpus organiques limités via rephrasage et reformatage. Optimisé par RL, il déverrouille 3.7-5.2x plus de tokens effectifs que la répétition simple sur des modèles de 400M et 1.1B, surpassant même l'oracle sans contrainte de données à l'échelle 1.1B. Code open-source disponible.
Benchmark pilote pour traduire le langage naturel en logique du premier ordre (FOL) dans l'exploration planétaire. Dataset construit à partir de documentation NASA (missions 2003-2013), annoté manuellement avec représentations FOL capturant structure temporelle, rôles d'agents et dépendances opérationnelles. Vocabulaires de prédicats structurés fournis.
AutoVecCoder enseigne aux LLMs à générer du code vectorisé explicite via SIMD. Le framework combine VecPrompt (synthèse de données pour injecter la connaissance des intrinsics) et VecRL (apprentissage par renforcement aligné sur l'efficacité). AutoVecCoder-8B atteint l'état de l'art sur SimdBench (SSE/AVX) et surpasse parfois les optimisations -O3.
PROTEA est une interface pour déboguer et affiner les workflows multi-agents LLM hors ligne. Elle évalue les sorties intermédiaires avec des rubriques configurables, localise les goulots d'étranglement via le graphe du workflow, et génère des révisions de prompts ciblées. Sur deux workflows en production, PROTEA améliore la précision de 64,3% à 83,9% et le Hit@5 de 0,30 à 0,38.
Étude sur la « dérive d'alignement » : processus graduel où les sorties LLM deviennent moins contraintes par le message actuel de l'utilisateur et plus façonnées par l'historique d'interaction, tout en restant utiles. Framework mécaniste distinguant signaux A/B, boucles de rétroaction et régimes interactionnels pour contrôler cette dérive cumulative.
MINE (Mechanistically Interpretable Neural Encoding) applique les outils d'interprétabilité mécanique aux réseaux de neurones pour identifier les caractéristiques visuelles qui activent chaque voxel du cortex visuel humain. Validation par génération d'images et édition contrefactuelle : insérer/retirer les features prédites modifie l'activation neuronale comme prévu.
Framework de vérification formelle pour pipelines LLM via certificats Lean 4. Trois familles de certificats (bilattice, sensibilité embedding, Hoare-style) + deux opérateurs (Maximal Certifiable Residue, Compositional Stability) pour déploiements critiques (finance régulée, support clinique, agents). Artefact compilé couvre 22 types de certificats, 17/46 déclarations sans axiomes.
Article arXiv proposant un cadre formel pour combiner évaluations LLM et humaines. Utilise un estimateur doublement robuste (missing data) pour déterminer le nombre optimal de revues humaines nécessaires. Shift du rôle LLM : de substitutif à auxiliaire dans un design d'échantillonnage deux étapes.
Étude de 2 258 posts en anglais (avril 2026) montrant que les posts avec langage incertain reçoivent 82% plus de réponses que les posts certains. Régression confirme association positive (β=0.126, p=0.011), soit ~13% d'engagement accru. Réplique asymétrie observée en arabe, suggérant mécanisme interactionnel universel.
Étude sur l'utilisation des LLM pour composer des notifications push personnalisées et persuasives. Les auteurs définissent 6 dimensions de qualité (pertinence contextuelle, clarté, actionnabilité, etc.) et montrent des gains de +8% à +14.5% en CTR vs templates statiques. Propose un framework architectural avec routing budgété, génération ancrée et apprentissage en ligne.
Étude de 38 modèles sur 8 900 références académiques : la qualité du rappel factuel suit une sigmoïde combinant la taille du modèle et la fréquence du sujet dans les données d'entraînement. Ces deux variables expliquent 60-94% de la variance. Le modèle propose que le rappel est limité par un rapport signal/bruit.
EnvFactory automatise la création d'environnements exécutables et la synthèse de trajectoires multi-tours pour l'entraînement d'agents RL. Avec 85 environnements vérifiés sur 7 domaines, le framework génère 2 575 trajectoires SFT/RL et améliore les modèles Qwen3 de +15% sur BFCLv3, +8.6% sur MCP-Atlas et +6% sur conversational benchmarks.
Étude de circuit d'une backdoor dans un modèle 8B : un trigger Latin de 3 mots redirige la sortie anglaise vers le français. Le circuit opère en 3 phases via des têtes d'attention, une propagation orthogonale aux directions de langue naturelle, puis conversion MLP. Un goulot d'étranglement sériel à une position unique contrôle tout le flux.
MA²P est un framework multi-agent autonome pour la persuasion complexe. Il coordonne la gestion de la perception, l'inférence d'états mentaux, l'exécution de stratégies et l'évaluation des performances. Un configurateur meta-cognitif sélectionne une méta-stratégie adaptée au domaine pour améliorer la généralisation et le taux de succès de persuasion.
Approche data-driven pour intégrer les construits et leurs relations dans les systèmes d'information. Combine embeddings textuels adaptés et clustering pour regrouper les construits de modèles d'équations structurelles. Optimise le compromis entre pureté sémantique et parcimonie via une fonction de perte explicite.
LongMINT est un benchmark évaluant la capacité des agents à gérer la mémoire dans des contextes longs (jusqu'à 1,8M tokens) avec interférences multiples. 15.6k paires QA sur 4 domaines (suivi d'état, dialogue, révisions Wikipedia, commits GitHub). 7 systèmes testés (LLMs long-context, RAG, agents) obtiennent 27,9% de précision moyenne, limités par la récupération et la construction mémoire.
Étude des représentations internes des Large Reasoning Models (LRMs) via des trajectoires de probes. Les auteurs montrent que l'évolution continue d'un concept pendant le raisonnement prédit mieux le comportement final que des prédictions statiques. Max-pooling atteint 95% AUROC sur 4 datasets (sécurité, mathématiques).
DiSP, un framework de sélection de démonstrations pour l'apprentissage en contexte, prédit si une paire requête-contexte réussira plutôt que de chercher le contexte optimal. Sur 5 datasets de classification avec Llama 3-8B et Qwen 2.5-7B, DiSP améliore la précision de 3,4% et accélère l'inférence de 23×.
Nouvel algorithme IH-GRPO découplant l'invocation d'outils de leur exécution pour améliorer le raisonnement mathématique des LLM. Gains de 1.87–2.53% sur benchmarks mathématiques avec Qwen3 (1.7B–8B). Code disponible.
Étude préenregistrée comparant Vector RAG et wiki markdown compilé par LLM sur 13 questions sur 24 papiers. Le wiki excelle à connecter les résultats entre papiers et à citer précisément, mais consomme plus de tokens en requête. Une variante RAG décomposée récupère partiellement l'avantage du wiki à coût inférieur.
EvoMemBench est un benchmark unifié évaluant la mémoire des agents LLM selon deux axes : portée (in-episode vs cross-episode) et contenu (knowledge vs execution-oriented). Comparaison de 15 méthodes mémoire : les baselines long-context restent compétitives, les méthodes retrieval-based dominent pour les tâches knowledge-intensive, les méthodes procédurales pour l'execution-oriented.
Étude comparative des jugements humains et prédictions de 4 LLMs sur la projection de présuppositions dans les conditionnels. 120 participants évalués en parallèle avec les modèles. Les humains intègrent indices probabilistes et pragmatiques ; les LLMs montrent alignement variable. Les modèles alignés aux humains manquent de raisonnement pragmatique cohérent.
Infini-News indexe 1,35 milliard d'articles de CC-News (août 2016 à présent) avec extraction de métadonnées, détection de langue (GlotLID, lingua, CommonLingua) et attribution géographique (83,4% couverts). Les index Infini-gram permettent des recherches textuelles en sub-seconde sur l'archive complète.
EPIC est une méthode de construction d'index RAG optimisée pour les agents IA sur appareil. Elle réduit la mémoire d'indexation de 2 404× en se concentrant sur les préférences utilisateur, améliore la précision de suivi des préférences de 20,17 points et diminue la latence de récupération de 33,33×. Empreinte mémoire < 1 MB avec 29,35 ms/requête.
Premiers travaux sur l'oubli machine pour modèles de diffusion masqués (LLaDA, Dream). MDU minimise la divergence KL entre prédictions conditionnelles et distribution inconditionnelle masquée, avec paramètre de température pour équilibrer confidentialité-utilité. Code disponible.
QuantFPFlow intègre l'estimation d'amplitude quantique (Grover) dans l'optimisation stochastique de politique via la formulation de Fokker-Planck. Speedup quadratique théorique O(1/ε) vs O(1/ε²) classique. Sur tâche continue multimodale, surpasse SAC (1295.7 vs 1284.0 reward) et découvre l'optimum global 10.4% plus souvent (33.9% vs 30.7%).
STRIDE est un framework d'agent auto-réflexif pour la découverte d'équations symboliques par LLM. Il améliore la fiabilité en coordonnant génération consciente des données, évaluation par ajustement mixte, réparation critique-exécuteur et mémoire sémantique préservant la diversité. Les expériences sur benchmarks de régression symbolique montrent gains en précision, robustesse OOD et récupération structurelle.
Étude arXiv utilisant capteurs portables (accéléromètres, EDA, température) et modèles fondamentaux multimodaux pour prédire les comportements difficiles chez 9 enfants autistes profonds en classe. Prédiction jusqu'à 10 minutes d'avance avec AUC-ROC 0.78 sur 110.7 heures de données réelles.
arXiv améliore son offre HTML pour les articles TeX/LaTeX depuis 2023. Les progrès 2025-2026 incluent : résolution de 3000 rapports utilisateurs, conversion vers 90% sans erreur (actuellement 75%), annotations MathML 4 pour l'accessibilité vocale, et portage en Rust de LaTeXML pour réduire les coûts de calcul.
Article théorique sur la transition de l'IA biomédicale : des systèmes prédictifs basés sur données historiques vers des modèles interventionnels capables de simuler l'effet de traitements novateurs. Les architectures actuelles restent observationnelles et ne peuvent pas généraliser à des interventions non observées.
Étude révélant une asymétrie de visibilité des datasets multilingues : 118 langues (59% des 200 plus parlées) ont zéro dataset catalogué selon LRE Map et LDC. Via citation-mining sur Semantic Scholar, les auteurs identifient 609 datasets uniques dans 53 langues peu visibles, dont 356 accessibles publiquement. La rareté multilingue est un problème de documentation et discoverabilité, pas seulement de production.
Les modèles MIL sur whole-slide images souffrent de « cécité spatiale » : ils prédisent correctement mais ignorent l'architecture tissulaire. ResTopoMIL corrige cela en séparant statistiques d'apparence (histogramme prototype) et relations spatiales (branche graphe avec contrainte de permutation). Amélioration sur 9 benchmarks WSI avec 1.15M paramètres.
ContraFix est un framework agentic pour la réparation automatique de vulnérabilités qui combine des preuves d'exécution différentielles et la réutilisation de compétences. Sur SEC-Bench (C/C++) et PatchEval (Go, Python, JavaScript), il atteint 84,0% et 73,8% de résolution avec GPT-4-mini, surpassant les baselines tout en coûtant moins d'un tiers.
FactorizedHMR propose un cadre hybride deux étapes pour la récupération de maillage humain en vidéo. Un module de régression déterministe stabilise le torse et la racine, tandis qu'un module probabiliste par flow-matching complète les articulations distales (bras, jambes) ambiguës. Supervision géométrique et guidance sans classificateur améliorent la récupération sous occlusion.
Méthode de contrôle sécuritaire pour la navigation autonome en environnements inconnus. Utilise la prédiction conforme pour générer des ellipsoïdes d'obstacles tenant compte des incertitudes capteurs, puis deux couches d'optimisation différentiable pour construire des fonctions de barrière de contrôle. Validée par simulation numérique.
Des modèles de deep learning analysant expressions faciales et mouvements de tête dans des vidéos d'entretiens d'embauche asynchrones détectent l'honnêteté et la tromperie avec 91% et 84% de variance expliquée. Performance supérieure aux évaluateurs humains sur N=121 candidats.
Système tutoriel intelligent fermé utilisant XGBoost pour évaluer les compétences de présentation orale via analyse multimodale (facial, vocal, textuel, oculomoteur). Entraîné sur 10 360 vidéos MOOC, il génère des retours alignés sur une échelle BARS 7 dimensions. Étude sur 204 apprenants sur 30 jours : améliorations significatives (Cohen's d = 0.39-0.90), corrélation forte entre fréquence de pratique et performance.
SaaSBench est le premier benchmark pour évaluer les agents IA dans l'ingénierie SaaS d'entreprise. Il contient 30 tâches complexes sur 6 domaines SaaS avec 8 langages, 6 bases de données et 13 frameworks. Les expériences révèlent que >95% des échecs surviennent avant la logique métier : les agents échouent à configurer et intégrer les systèmes multi-composants.
KairosHope est un modèle fondation pour séries temporelles remplaçant l'attention quadratique par une architecture dual-memory (modules Titans + Continuum Memory System). Pré-entraîné sur l'archive Monash via MTSM et contrastive learning, il fusionne représentations latentes et features statistiques. Résultats supérieurs sur UCR pour HAR et données capteurs.
Système de détection d'intrusions réseau utilisant des triplet networks avec mining en ligne et classifieur KNN. Approche few-shot capable de détecter des attaques avec seulement 10 exemples malveillants par classe, surpassant les méthodes supervisées classiques sur petits datasets et les modèles d'anomalie (faux positifs élevés).
Nouvelle méthode pour contrôler le False Discovery Rate (FDR) dans des espaces d'hypothèses structurés via noyaux reproduisants. Reformule le problème en apprentissage régularisé dans un RKHS, unifiant domaines continus, graphes et hiérarchies. Validation sur données spatiales et expression génique différentielle.
Étude comparative de 6 modèles fondamentaux EEG sur 8 datasets, au-delà de la précision brute. Analyse de robustesse (bruit, dropout de canaux), interprétabilité via Attention-Aware Layer-Wise Relevance Propagation, et expressivité par probing. Résultats : pas de modèle dominant tous les modes de défaillance ; les modèles se concentrent sur les régions cérébrales pertinentes mais décodent mal le contenu corrompu.
SynVA est un toolkit modulaire pour générer des mailles vasculaires et synthétiser des anévrismes intracrâniens anatomiquement cohérents. Combine des méthodes flow-matching pour les vaisseaux sains et des approches conditionnées par l'anatomie pour les anévrismes. Libère un dataset de 50 000 échantillons annotés pour les tâches de vision médicale.
Étude d'une nouvelle attaque « sleeper memory poisoning » contre les agents LLM dotés de mémoire persistante. Un adversaire corrompt des documents externes pour injecter de fausses mémoires utilisateur. Taux de succès : 99,8% (GPT-5.5), 95% (Kimi-K2.6). Les mémoires empoisonnées déclenchent des actions malveillantes dans 60-89% des cas.
SparseSAM propose une sparsification structurée sans entraînement pour accélérer les encodeurs ViT du Segment Anything Model. Via une attention Stripe-Sort (permutation Z-order) et un MLP Residual-Consistency, le framework atteint 2x speedup et 2.8x réduction mémoire avec perte de 0.004 mIoU à densité 0.4.
Article théorique sur l'entraînement des transformers en régime champ moyen (profondeur et largeur infinies). Les auteurs modélisent l'entraînement comme contrôle d'une PDE neurale (vs ODE pour ResNets), établissent la bonne posture du passage forward, dérivant formules explicites pour les gradients Wasserstein et prouvant convergence du gradient flow vers minima globaux sous conditions d'injectivité du NTK.
Lance est un modèle multimodal unifié léger supportant compréhension, génération et édition d'images et vidéos. Basé sur une architecture dual-stream mixture-of-experts avec encodage positionnel rotatif modulé par modalité, il combine apprentissage multi-tâche collaboratif et planification adaptative des données pour surpasser les modèles open-source existants en génération visuelle.
StructLens analyse l'organisation interne des représentations dans les modèles de langage via des arbres couvrants maximaux construits sur les flux résiduels. Le framework révèle que les couches intermédiaires organisent fortement les tokens proches, et que les unités locales émergent avant les unités plus larges lors du pré-entraînement.
OSCAR quantifie les caches KV en INT2 pour les LLM long-context en estimant hors-ligne les structures de covariance alignées avec l'attention. Testé sur Qwen3 (4B–32B) et GLM-4.7 (358B), la méthode réduit l'écart de précision à 1.42–3.78 points vs BF16, réduit la mémoire de 8x et améliore le débit de 7x. Kernel INT2 compatible vLLM/SGLang.
Étude longitudinale (2020-2026) auprès de 471 étudiants en IA montrant un renversement de préférence : de 2024 à 2026, la valorisation de l'intelligence humaine passe de 53% à 65% en cours technique et 90% en cours design. Les auteurs identifient quatre phases (hype, distrust, trust, dependency) et concluent à une réévaluation progressive de l'IA comme outil routinier.
Étude du réarrangement d'objets densément empilés sur table avec des pinces parallèles. Introduit une primitive de « knock » (coup) pour contourner l'infaisabilité des prises directes. Formule le problème knock-pick optimal et propose des abstractions avec appariement parfait de poids maximal pour calculer en temps polynomial un plan minimisant le nombre d'actions. Validé en simulation (IsaacSim).
Étude de la réorganisation de piles d'objets en environnement tabulaire via des actions non-préhensiles (toppling). Un gadget graphique abstrait modélise l'intercalage de pick-and-place et topple. Benchmarks en simulation IsaacSim montrent réduction significative du temps d'exécution comparé aux seules actions pick-and-place.