PPAI est un système d'interopérabilité pour agents LLM personnalisés en edge computing. Il permet la collaboration P2P entre utilisateurs en routant les requêtes vers des agents spécialisés distants. Le système propose un mécanisme de scoring query-agent basé sur des prototypes et un jeu bayésien multi-agent pour équilibrer la charge. Résultats : +7,96% de précision, -16,34% de latence.
Les modèles de raisonnement long (LRM) génèrent des chaînes de pensée redondantes sans corrélation avec la justesse. L'article découvre que les LRM savent implicitement quand arrêter. SAGE (Self-Aware Guided Efficient Reasoning) exploite cette capacité via un nouveau paradigme d'échantillonnage, améliorant précision et efficacité sur benchmarks mathématiques.
MANTA est un framework d'évaluation multi-tour sur Inspect AI qui teste la robustesse des LLM (Claude Sonnet 4, GPT-4o) face à des arguments adversariaux sur l'alignement du bien-être animal. Les résultats montrent que les modèles capitulent au tour 2 sous pression économique/sociale, et que l'attribution de capacités basée sur des preuves est la dimension la plus faible.
iPOE est une méthode d'optimisation de prompts basée sur des explications automatiques ou humaines. Elle génère des guidelines d'annotation qui guident l'optimisation via suppression, ajout, réorganisation et fusion. Sur 4 datasets, iPOE améliore les performances de 31% vs prompts sans guidelines et 35% vs guidelines aléatoires.
ConfSleepNet, un framework basé sur la théorie de l'évidence, résout les conflits entre modalités pour la classification des stades du sommeil. La méthode extrait des preuves catégorielles de différentes modalités et agrège les opinions spécifiques aux vues via un mécanisme conscient des conflits. Code disponible sur GitHub.
MusicSynth est un outil web open-source qui convertit automatiquement des partitions de violon (photo ou fichier) en vidéos animées montrant le positionnement des doigts sur le manche. Le système combine reconnaissance optique de musique (OMR), parsing MusicXML et rendu vidéo. Testé sur 110 partitions : 91,2% de reconnaissance des notes en musique imprimée, 99,1% de précision en positionnement des doigts.
Papier arXiv proposant T-IPO et LARA, deux outils pour évaluer la capacité des agents LLM à gérer des tâches métier. LARA est une matrice 5 dimensions classant les tâches en 4 niveaux (L1-L4), avec poids 1.5× sur la sensibilité compliance. Validation sur 127 tâches (κ=0.80), réplication sur 3 institutions (κ=0.73). Auto-completion décroît de 95% (L1) à 40% (L3).
ANVIL est un système génératif multimodal qui automatise la création d'animations pédagogiques basées sur des analogies pour l'informatique. À partir d'une définition de concept, il génère une analogie textuelle, la compile en scénario visuel structuré, et produit du code manim exécutable. Évaluation via études enseignants et utilisateurs.
FedNL reformule l'apprentissage fédéré comme système d'optimisation imbriquée à trois niveaux. Intègre l'attention linéaire Titans pour adapter les modèles à l'inférence sans entraînement supplémentaire. Testé sur MMLU Non-IID et benchmarks long-contexte avec mémoire d'inférence constante.
Cadre théorique fondé sur la théorie du choix social pour intégrer le contrôle collectif dans le développement de l'IA, de la collecte de données à l'alignement. Propose des critères axiomatiques pour évaluer les mécanismes de contrôle démocratique à plusieurs étapes du pipeline ML.
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.
StrLoRA introduit un cadre de tuning visuel continu en streaming pour MLLMs. Contrairement aux méthodes existantes limitées à des tâches prédéfinies, StrCVIT traite des flux de données avec tâches dynamiques et entrelacées. StrLoRA utilise un routage d'experts à deux étapes avec sélection consciente des tâches et pondération token-wise, stabilisé par régularisation.
AI4BayesCode traduit des descriptions en langage naturel en samplers MCMC validés et modulaires. Le système décompose les modèles bayésiens en blocs de sampling mappés à des composants intégrés, avec validation pré et post-génération. Une architecture stateful récursive permet la composition cohérente de composants développés indépendamment.
Étude d'implémentation de Google Notebook LM pour générer vidéos, podcasts et infographies dans un cours d'anglais académique (106 étudiants, Hong Kong). Les étudiants ont apprécié l'utilité perçue et la facilité d'usage ; préférence pour contenus visuels/multimodaux. Corrélation positive entre préférence vidéo et performance académique, mais charge cognitive élevée associée à baisse des notes.
Analyse de 480 incidents IA réels du AIID comparés aux cadres de gouvernance EU AI Act, NIST AI Risk Management Framework et GDPR. Révèle des lacunes substantielles dans la responsabilité post-déploiement. Propose le Proactive AI Governance Compliance Framework (PAGCF), méthodologie en 4 phases pour passer d'une gouvernance réactive à une assurance de conformité pré-déploiement.
SAFE-SVD propose une méthode de compression pour les modèles fondamentaux de physique (PFM) qui préserve la fidélité physique. La technique modélise la sensibilité des couches dans l'espace fonctionnel de sortie, évitant la dégradation sévère des performances causée par les méthodes conventionnelles. Les expériences montrent des gains substantiels en ratios de compression tout en maintenant la précision.
Flow Matching with Confidence (FMwC) ajoute des scores de confiance par-échantillon aux modèles génératifs sans surcoût computationnel. En injectant du bruit multiplicatif dépendant de l'entrée et en propageant sa variance via l'ODE, la méthode permet le filtrage, l'édition de trajectoires et l'adaptation du stepping. Le score corrèle avec la divergence du champ de vélocité appris.
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.
ChartDesign fine-tune des LLMs (Phi3, Qwen3, InternVL2.5) via LoRA pour générer automatiquement des attributs de design graphique à partir de données tabulaires. Entraîné sur corpus curé (PewResearch, CharXiV), le système atteint 84% de précision sur test set vs 53% baseline, généralisant à domaines non vus.
GA-S2S combine T5-small et un réseau d'attention graphique relationnel (RGAT) pour la prédiction de liens dans les graphes de connaissances. Le modèle encode conjointement les caractéristiques textuelles et la topologie complète du sous-graphe k-hop autour de l'entité requête. Sur CoDEx, GA-S2S surpasse les baselines Seq2Seq avec un gain de 19% en précision.
Des auto-encodeurs creux supervisés améliorent l'interprétabilité des modèles en alignant les features apprises avec la sémantique humaine. Testés sur Stable Diffusion 3.5, ils permettent la généralisation compositionnelle et l'édition d'images par intervention au niveau des features.
Nouvelle métrique pour évaluer les méthodes XAI sans ground-truth, basée sur perturbation continue d'entrées. Mesure suffisance et nécessité de l'information attribuée. Propose aussi une méthode XAI entraînable comme adapter sur modèles black-box, générant explications causales sans dégrader performance.
LAR (Latent Action Reparameterization) compresse l'espace d'actions des agents LLM en apprenant des actions latentes multi-étapes sémantiques. Cela réduit l'horizon de décision effectif et les coûts d'inférence tout en préservant l'expressivité. Sur plusieurs benchmarks, LAR diminue les tokens d'action et le temps d'inférence sans dégrader les taux de succès.
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 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.
ANVIL est un système génératif multimodal qui automatise la production d'animations pédagogiques basées sur des analogies pour l'informatique. À partir d'une définition de concept, il génère une analogie textuelle, la compile en scénario visuel structuré, et produit du code manim exécutable. L'évaluation combine jugements d'enseignants et screening automatisé par LLM.
Fre-Res propose une compression adaptative des tokens vidéo pour les MLLMs vidéo. Le framework sépare les détails spatiaux (ancres haute-fidélité) et l'évolution temporelle (tokens résidus-fréquence via DCT 1D). Un Spatial-Guided Absorber aligne les dynamiques fréquentielles avec les embeddings visuels. Résultats : performance proche du full-token avec réduction substantielle de la longueur des tokens.
Article proposant une évaluation basée sur les traces pour détecter quand un agent atteint ses KPI économiques mais viole les contraintes comportementales. Dans un cadre de tarification hôtelière avec état concurrent caché, les auteurs montrent que PPO seul échoue à préserver l'alignement avec le comportement de référence, tandis que le clonage comportemental et une RL avec historique préalable réussissent mieux.
Un article arXiv argue que l'IA agentive ne peut être responsable sans provenance explicite traçable. Les auteurs formalisent cette provenance via une fonction d'attribution causale et un tenseur de responsabilité, montrent qu'elle est calculable et interventionnable en ligne, et identifient les lacunes de responsabilité actuelles dans les systèmes multi-agents.
AMR-SD propose une auto-distillation asymétrique avec réflexion méta pour améliorer l'attribution de crédit au niveau des tokens dans l'entraînement par renforcement des LLM. La méthode compresse les signaux de diagnostic en indices socratiques auto-générés et utilise un gain d'information causale avec seuil ReLU asymétrique pour moduler les avantages par token, évitant l'effondrement en fin d'entraînement.
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.
Étude sur le biais de genre extrinsèque dans les modèles de langage préentraînés en bengali. Construction de 4 datasets annotés manuellement (analyse de sentiment, détection de toxicité, discours haineux, sarcasme) avec perturbations de genre minimales. Proposition de RandSymKL, stratégie de débiaisage combinant divergence KL symétrique et cross-entropy. Code et datasets publics.
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.
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.
Méthode de segmentation de tumeurs cérébrales par IRM multimodale utilisant des nœuds virtuels et des graphes dynamiques. Framework one-stage qui gère les modalités manquantes via une matrice d'adjacence adaptative et des matrices de poids hétérogènes. Résultats SOTA sur BRATS-2018/2020 avec modalités incomplètes.
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.
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.
Benchmark latency-aware pour 8 architectures deep learning (MLPs, Transformers) en détection d'anomalies sur réseaux électriques dominés par onduleurs. Classification en temps réel < 15 ms par cycle, mais latence end-to-end 50-90 ms (3+ cycles). Écart critique entre capacité algorithmique et déploiement protection-grade identifié.
Article arXiv sur les limites spatiales des MLLMs en environnements multi-agents. Les modèles souffrent d'une « illusion cartésienne » : ils manquent de compréhension 3D topologique ancrée. Les auteurs proposent un module « Epistemic Sensory Bottleneck » avec une chaîne de pensée basée sur des ancres pour améliorer l'inférence spatiale de second ordre (Theory of Mind). Baseline zéro-shot : 42% de précision.
PPR-GDE, une méthode RL pour la génération ouverte, utilise des récompenses de préférence par paires et une diversité basée sur les groupes pour éviter l'effondrement de la diversité. Sans récompenses scalaires, elle préserve les évaluations subjectives et encourage la dispersion sémantique dans les groupes de réponses.