GuardedRepair est un framework de réparation post-hoc pour le raisonnement mathématique des LLM qui sélectivement corrige les traces erronées sans casser les réponses correctes. Sur GSM8K (95.60% → 96.89%), il fixe 17 erreurs sans cas broken-correct mesurés. Sur ASDiv faible, 78.40% → 87.60%.
Chercheurs répliquent Picbreeder (plateforme d'évolution interactive d'images) en remplaçant utilisateurs humains par Vision Language Models (VLMs). Résultats montrent différences qualitatives avec baseline humain. Étude des facteurs causaux : bruit exploratoire, diversité comportementale entre agents, mémoire des actions passées.
Étude préenregistrée montrant que les LLM actuels sont surconfiants : leur confiance dépasse leur précision en moyenne. Cependant, un effet difficile-facile modère ce biais : surconfiance maximale sur tâches difficiles, sous-confiance sur tâches faciles. Introduction de LifeEval, benchmark d'évaluation de calibration.
Article arXiv analysant les compromis latence-fiabilité-coût dans les workflows multi-agents LLM. Propose des modèles de performance pour agents LLM et non-LLM, une politique d'allocation de tokens par water-filling, et caractérise la fiabilité optimale via shadow prices sous contraintes de latence et coût.
Papier sur l'application en temps réel de l'Autorité Reconstructive (RAM) dans les systèmes d'agents autonomes. Introduit un modèle d'exécution avec trois états (admit/deny/halt), résolution dynamique des dépendances, et une Recovery Loop intégrant détection de dérive et contrôle d'exécution. Garantit qu'aucune action n'est exécutée sans autorité constructible.
Article de synthèse sur l'intersection entre la communication intra-corporelle (HBC) et l'apprentissage fédéré pour les réseaux de capteurs portables. Propose une taxonomie des déploiements FL (intra-corps, corps-hub, multi-utilisateur, cloud clinique) et introduit BODYFED-HBC, une architecture de référence avec algorithme de planification et simulation reproductible basée sur des données publiques.
Hyper-heuristiques assistées par apprentissage pour le Job Shop Scheduling (JSSP). Le sélecteur proposé utilise des labels normalisés par regret, une estimation d'incertitude KNN contextuelle et une porte qui n'agit que si le gain prédit dépasse une marge ajustée. Réduit RPD moyen de Random-HH d'un ordre de magnitude sur instances synthétiques.
Modèle d'interaction pensée-apprentissage pour robots autonomes en environnements changeants. La pensée guide l'apprentissage (identification de changements, sélection d'évidences, planification), l'apprentissage améliore la pensée (mise à jour des connaissances, stratégies d'action). Résultats : précision de reconnaissance 0.419→0.845, longueur d'action 13.0→4.0, taux de sélection d'évidences 0.272→0.965.
MAPLE, une méthode de recherche arborescente, étend AlphaZero aux jeux à information imparfaite en agrégeant les évaluations de politique et valeur de plusieurs états du monde. Testé sur Phantom Go et Dark Hex, MAPLE surpasse le baseline PIMC-AlphaZero avec des gains Elo de 291 et 136.
Framework neuro-inspiré pour la planification et le contrôle embodié. L'Inverter utilise l'Inverse Learning (IL) pour générer des séquences d'actions multi-étapes. Améliore les baselines offline-RL et diffusion-planner sur D4RL (+24.2% en moyenne) avec 100-1000x moins de calcul à l'inférence. Application : synthèse de portes quantiques avec fidélité GRAPE en 1000x plus rapide.
Framework MODIAD pour la détection d'anomalies industrielles multimodales en environnement distribué et en ligne. Propose un algorithme SMG pour l'ordonnancement multi-classe et une stratégie REC-LoRA réduisant l'overhead computationnel. Validé sur MVTec 3D-AD et Eyecandies.
CAFD est une méthode de détection de défauts pour DNNs combinant signaux du modèle, features de distance et un nouveau Concept Failure Ratio (CFR) basé sur Vision-Language Models. Évalué sur ImageNet et trois modèles, CAFD surpasse 5 baselines avec +18.3% d'amélioration moyenne en Fault Detection Rate.
Framework Verifiable Transformers convertissant circuits Transformer en propriétés vérifiables par solveur SMT. Extraction de circuits task-localisés et vérification formelle d'équivalence fonctionnelle, nécessité des arêtes, invariance et robustesse. Démonstration sur tâches symboliques et GPT-2 scale avec architecture SMT-représentable (Signed L1 BandNorm, sparsemax, LeakyReLU).
Papier arXiv proposant un mécanisme d'agrégation en ligne pour aligner les LLM avec le feedback humain en crowdsourcing mobile. Le système incite les travailleurs à rapporter honnêtement leurs préférences via un jeu bayésien dynamique, réduisant le regret de O(T) à O(√T) sur T slots temporels.
Cascade-KDE est une méthode sans apprentissage pour restaurer les séries temporelles corrompues par du bruit gaussien et des pics aberrants. Elle estime une densité spatio-temporelle, applique une troncature robuste pour limiter l'influence des anomalies, puis affine via cascade exponentielle. Testée sur ECG et dégradation batterie, elle préserve les pics de dérivée mieux que les filtres classiques.
Article arXiv montrant que les transitions consécutives en RL on-policy sont redondantes et causent une instabilité cachée. Supprimer aléatoirement 25% des transitions dans PPO stabilise l'entraînement (KL divergence, entropie, estimations de valeur) sans dégrader les récompenses, sur CartPole, Acrobot, LunarLander, HalfCheetah, Hopper.
Un cadre PINN avec incertitude hétéroscédastique pour la cartographie des inondations à partir de données SAR. Le modèle Attention-Gated FNO-UNet intègre un protocole Warm-Start et modélise l'incertitude aléatoire pour éviter la divergence de gradient (« Physics Shock »). Sur Sen1Floods11 : +25% IoU vs baselines déterministes, avec bornes de confiance calibrées.
Nouvelle approche d'analyse archétypale sur variétés riemanniennes avec géométrie pullback data-driven. Combine interprétabilité de l'analyse archétypale classique et flexibilité des modèles non-linéaires via distributions en étoile déformées. Tests sur MNIST montrent géodésiques significatives et projections de débruitage géométriquement conscientes.
Cadre unifié (FPMC) modélisant les fonctions de débruitage des diffusion models. Consolide approches existantes via vecteurs de précision, poids de réponse et distributions sources. Améliore performance par relaxations souples et augmentations de distributions.
PrivFusion est un framework multi-agent préservant la confidentialité pour harmoniser automatiquement des datasets hétérogènes avant l'entraînement fédéré. Testé sur quatre datasets COVID-19, il utilise des agents pour analyser les données locales, regrouper les features sémantiquement similaires et recommander des transformations itératives sans centraliser les données sensibles.
Framework de soutien décisionnel pour thérapies numériques modélisant les effets des recommandations et de l'adhérence des patients via un système dynamique linéaire. Algorithme UCB-BOLD proposé pour la sélection de traitement en ligne avec garanties de regret sublinéaire. Évaluation sur données de micro-essais randomisés : 2-3x moins de regret que les benchmarks.
ChainzRule remplace les activations standard par des couches polynomiales apprises avec régularisation différentielle (DREG), une pénalité jacobienne calculée analytiquement. Testé sur tabular, NLP et vision : 85,71% sur Pima Diabetes, 46,20% sur SST-5 avec encodeur gelé (5% des données d'entraînement de RNTN), 55,79% sur SST-5 fine-tuné BERT, +2,32% sur CIFAR-10-C. Améliore robustesse et efficacité échantillon.
Étude théorique des lois d'échelle pour la régression linéaire esquissée avec mini-batches. Analyse comparée de SGD one-pass, SGD multi-pass avec et sans remplacement. Résultat clé : variance en O(min(M,(T_eff*γ)^(1/a))/(B*T_eff)), réduction 1/B en régime multi-pass sans remplacement, fluctuation nulle à B=N.
Étude de l'« omissive bias » : les LLMs omettent systématiquement les perspectives religieuses dans leurs réponses à des questions éthiques quotidiennes. Benchmark AllFaith avec 150 questions (deuil, pardon, relations) évalué sur 27 modèles. Résultat : sous-représentation religieuse asymétrique, plus marquée pour les situations pratiques que pour les questions existentielles.
Un framework basé sur LLM extrait les divulgations de segments des formulaires 10-K pour améliorer la complétude et la comparabilité des données financières. Le système utilise RAG pour intégrer les informations entre plusieurs périodes et entreprises, démontrant son efficacité pour l'analyse longitudinale et l'alignement géographique cross-firm.
Pipeline modulaire pour générer des analogies éducatives en quatre étapes (source, sous-concepts, explication, évaluation). Évaluation de 12 LLMs sur deux datasets annotés (SCAR, ParallelPARC). Les sous-concepts améliorent la qualité des explications et la précision de la récupération. Claude Sonnet 4.6 aligne mieux avec les classements humains qu'avec les scores absolus.
Cadre phonétique conscient des dialectes pour la reconnaissance vocale vietnamienne. Décompose les syllabes en composants phonétiques structurés mappés à des représentations IPA spécifiques aux dialectes. Sur UIT-ViMD, égale les performances de wav2vec2-base-vi-250h avec moins de paramètres et sans préentraînement externe.
Unveil est un framework d'embedding visual-textuel pour la récupération de documents multi-modaux. Il intègre features textuelles et visuelles via distillation de connaissance, transférant les capacités sémantiques d'un modèle visual-textuel vers un modèle purement visuel. Résultats : amélioration de la précision et de l'efficacité de retrieval sans parsing.
BoxLitE est un modèle d'embedding de base de connaissances pour DL-Lite^H utilisant l'optimisation convexe. Il mappe les concepts à des régions convexes dans un espace vectoriel pour représenter les hiérarchies ontologiques. Pour toute KB DL-Lite^H satisfiable, BoxLitE produit un embedding faiblement fidèle.
Étude sur la reproductibilité des systèmes IA en finance réglementée (crédit, fraude, blanchiment). Identifie trois sources de non-déterminisme : variance des explications post-hoc (modèles tabulaires), échantillonnage stochastique (graphes), divergence batch-dépendante (LLM agents). Propose framework d'évaluation avec métriques RBO, D_cos, TDI, PSD pour audit.
Article arXiv argumentant que les LLM échouent en raisonnement causal et planification long-horizon faute de modèles du monde. Les auteurs introduisent Latent Dynamics Inference (LDI) et Flux, un environnement de raisonnement séquentiel en langage naturel. Agents RL avec accès à l'espace latent atteignent 79% de taux de victoire vs 11% pour LLM, révélant des défaillances en suivi d'état persistant.
EvoSci est un framework multi-agent bio-inspiré pour la découverte scientifique utilisant des LLM. Il intègre évolution, graphes de connaissances et agents spécialisés (mentor, chercheur, reviewer) pour générer, évaluer et affiner itérativement des idées de recherche. Sur des sujets réels, EvoSci atteint un score peer-review ICLR de 4.90 et classement Top-10 de 54%.
Nouvelle méthode d'entraînement pour les réseaux de neurones input-convexes (ICNN) via une hypernetwork non-contrainte qui émet les poids inter-couches. Approche inspirée des lifts de problèmes inverses, elle contourne les limitations du gradient descent projeté et de la reparamétrisation softplus. Résultats sur estimation de densités log-concaves et flots normalisants convexes montrent convergence améliorée.
Étude sur la sélection optimale de modèles dans les ensembles d'LLM. Les auteurs reframent le choix des proposeurs comme un problème de sélection combinatoire basé sur la complémentarité plutôt que l'exactitude seule. Algorithmes gloutons testés sur un ensemble étiqueté réduit pour équilibrer performance et coût computationnel.
KREPE, une méthode d'apprentissage génératif pour graphes de connaissances hyper-relationnels, utilise la diffusion discrète masquée pour générer des faits complets à partir de requêtes partiellement observées. Unifie prédiction de liens et génération de faits dans un seul cadre, surpassant les baselines LLM sur les benchmarks standard.
Agent-ToM est un framework d'apprentissage pour surveiller les agents LLM autonomes via le raisonnement Theory-of-Mind. Il infère les croyances, intentions et déviations comportementales des agents pour détecter les comportements malveillants cachés. Évalué sur SHADE-Arena et CUA-SHADE-Arena, il surpasse les baselines d'ensemble tout en utilisant un pipeline de vérification à deux appels.
Nouvel article arXiv proposant DINOSaur, méthode sans entraînement pour la détection d'anomalies continue en environnement industriel. Combine backbone DINOv3 gelé, mémoire coreset indexée spatialement et scoring d'anomalies restreint. Atteint zéro oubli, surpasse tous les baselines sur 5 protocoles, inférence <100ms sur Jetson Orin Nano avec adaptation on-device <30s.
Anubis OSS v3.6, app macOS pour benchmarker les LLMs locaux (Ollama, LM Studio, MLX), ajoute téléchargement direct de modèles depuis l'UI. Disponible via Homebrew et téléchargement direct. Appel à tests sur Apple Silicon. GPL-3.0, open-source, leaderboard avec 400+ runs.
Firecrawl intègre la Vercel Marketplace. Les équipes Vercel peuvent désormais utiliser ce service pour extraire des données web structurées destinées aux agents IA et applications, sans gérer l'infrastructure de crawling. Capacités : conversion en markdown/HTML/données structurées, recherche web, interaction avec pages dynamiques.
Un avocat partage son retour d'expérience sur un cluster de 12 V100-SXM2 32GB pour le traitement juridique local. Après avoir abandonné vLLM pour les modèles MoE (incompatibilité GPU Volta), il utilise llama.cpp avec des modèles comme Gemma-4-26B et Qwen3.5-122B. Les modèles denses sur V100 sont inefficaces (~20-28 tok/s) ; les MoE atteignent 50-113 tok/s en décodage sur contextes longs.