Défense contre les perturbations adversariales pour la classification SAR via lissage sémantique. Remplace le bruit isotrope par des transformations géométriques générées par synthèse de nouvelles vues, conditionnées sur la géométrie d'acquisition. Améliore la robustesse contre FGSM, PGD, OTSA, SMGAA tout en augmentant la précision en classification nette.
Des chercheurs testent la capacité des LLM à négocier dans un environnement de marchandage multi-attributs contrôlé. Les agents modélisent correctement les préférences de l'adversaire mais ne convertissent pas cette connaissance en stratégie gagnante. Les accords finaux sont dictés par les ancres initiales plutôt que par les utilités réelles.
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.
Nouvelle méthode LGPT (Learnable Graph Pooling Token) pour intégrer des graphes dans les LLM. Utilise des tokens apprenables pour représenter les graphes sans perte d'information. Amélioration de 4,13% sur GraphQA sans fine-tuning du LLM.
Nouvel article arXiv présentant OAG (Online Algorithms with Unreliable Guidance), un modèle pour l'apprentissage augmenté en ligne qui sépare composantes prédictives et algorithmiques. Introduit le compilateur DTB (drop-or-trust-blindly) convertissant algorithmes online standards en versions augmentées. Démontre garanties optimales sur matching bipartite, caching et tâches métriques uniformes.
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.
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.
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.
Nouvelle approche d'interprétabilité mécanique pour les politiques Vision-Langue-Action (VLA) robotiques. Les auteurs proposent des autoencodeurs creux (SAE) ancrés à des événements comportementaux plutôt qu'à des contextes textuels. Évaluation sur OpenVLA et π₀.₅ en simulation et robot réel, avec code disponible.
PluRule est un benchmark multimodal et multilingue pour la modération de communautés pluralistes sur les réseaux sociaux. Il couvre 13 371 violations de règles dans 1 989 communautés Reddit et 2 885 règles en 9 langues. Les modèles vision-langage de pointe, y compris GPT-4.5 avec raisonnement avancé, ne surpassent que légèrement une baseline triviale, révélant que la modération pluraliste reste un défi fondamental.
Étude comparant OpenAI o3 et Google Gemini 2.5 Pro comme modèles de comportement humain au volant dans un scénario de fusion simplifié. Les LLMs reproduisent le contrôle opérationnel intermittent et les dépendances tactiques, mais échouent à capturer les réponses aux indices de vélocité dynamique. Les ablations de prompts révèlent des biais inductifs non transférables entre modèles.
HAAS est un framework pour l'allocation adaptative de tâches entre humains et systèmes IA en ingénierie logicielle et fabrication. Il combine un système expert basé sur des règles de gouvernance avec un apprentissage par bandit contextuel. Les résultats montrent que la gouvernance n'est pas binaire mais un paramètre ajustable : une gouvernance modérée améliore performance et réduit la fatigue en fabrication.
Étude arXiv identifiant une nouvelle classe d'attaques par jailbreak : le « wide-net-casting » où un adversaire interroge plusieurs grands modèles simultanément pour contourner les garde-fous. Les chercheurs développent une méthode de jailbreak spécialisée atteignant 100% de succès sur certains modèles non protégés, révélant des risques de sécurité majeurs.
Nouvelle approche pour stabiliser les prédictions temporelles en reconnaissance de phases chirurgicales. Propose TEC loss (entraînement), EGTP (inférence) et TFI (métrique). Réduit la fragmentation des prédictions sur Cholec80 et AutoLaparo sans dégrader la précision frame-wise.
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.
Approche pour traiter les vidéos de caméras corporelles (BWC) en fenêtres de 10 secondes étiquetées selon le contexte opérationnel et l'intensité motrice. Modèles entraînés avec CLIP et optical flow : 78,75% de précision pour le contexte, 88,33% pour l'activité. Protocole respectueux de la vie privée pour accélérer l'analyse et la formation des agents.
VLATIM, un nouveau benchmark basé sur The Incredible Machine 2, évalue les capacités de raisonnement logique des Vision-Language Models dans des jeux de puzzle point-and-click. Les résultats montrent un écart significatif : les grands modèles propriétaires excellent en planification mais échouent en localisation visuelle précise, sans atteindre les capacités humaines.
Article arXiv proposant un cadre théorique pour détecter les biais causaux dans les modèles génératifs IA. Les auteurs formalisent la notion de fairness causale spécifique aux modèles génératifs (vs ML classique), dérivent des décompositions causales pour quantifier les impacts de biais selon différents chemins causaux, et démontrent leur méthodologie en analysant les biais de race et genre dans les LLM.
Étude sur la capacité des LLM (dont OpenAI o1) à résoudre et générer des énigmes linguistiques de type Olympiades. Les modèles surpassent les humains sur la plupart des types d'énigmes, sauf celles sur les systèmes d'écriture et langues peu étudiées. La génération automatique d'énigmes pourrait élargir l'intérêt pour la linguistique.
Méthode d'optimisation de prompts inspirée du reinforcement learning pour améliorer la planification long-terme des LLM en interactions multi-tours. Framework modifie uniquement l'instruction système via feedback itératif et experience replay. Gains significatifs sur text-to-SQL et dialogue orienté tâche, généralise across modèles.
Un framework PPE utilise des estimateurs de densité one-class avec embeddings textuels fusionnés pour détecter les fuites de données contextuelles dans les systèmes RAG. Le détecteur T3+OCSVM atteint 0.93+ AUROC, réduit les faux positifs de 44-55 points et maintient une latence millisecondes, surpassant les classifieurs MLP supervisés et les juges LLM 14B.
Les Behavior Foundation Models (BFMs) permettent l'apprentissage par imitation à grande échelle, mais échouent sous les changements de dynamique (friction, actuation, bruit). Cet article formule l'inférence de tâche BFM comme un problème d'optimisation minimax robuste, permettant l'adaptation aux perturbations de dynamique sans modifier le préentraînement. Le cadre surpasse les baselines BFM et offline IL robustes.
Étude arXiv sur la prévision de séries temporelles long-terme (LTSF). Les auteurs montrent qu'une simple couche linéaire (affine mapping) domine les performances sur les benchmarks standards. L'analyse révèle que les modèles apprennent des matrices de transition similaires, capturent bien les motifs périodiques mais échouent sur les signaux non-périodiques. Code disponible.
SEED est un framework qui représente les conditions expérimentales en graphes d'acteurs typés pour étudier les systèmes multi-agents et workflows humain-IA. Il permet de décrire les conditions, évaluer la nouveauté structurelle et générer des designs candidats sous contraintes. Test empirique sur triage médical montre que SEED-guided designs offrent meilleure traçabilité des changements d'interaction et gouvernance.
SynC, un framework de clustering de graphes profonds, exploite une relation synergique entre apprentissage de représentation et augmentation de structure via un auto-encodeur de graphe transformé (TIGAE). Le modèle partage les poids entre deux étapes pour réduire les paramètres et améliore la généralisation sur graphes faiblement homophiles.
Étude psycholinguistique sur la dynamique de lecture de phrases « garden-path » avec canal bruité. Les lecteurs effectuent des régressions oculaires ciblées vers les régions susceptibles de contenir des erreurs, confirmant un modèle de traitement par canal bruité avec réanalyse.
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.
Système de détection d'anomalies visuelles utilisant l'apprentissage non supervisé sur Raspberry Pi. Entraînement et inférence en 90 secondes avec 10 images normales, F1 score >0.95. Déploiement via Anomalib et openVINO pour PME.
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 : Pass@1 passe de 0.397 à 0.505 sur SpreadsheetBench, de 0.517 à 0.651 sur BigCodeBench.
Méthode pour étendre les modèles fondamentaux ECG (préentraînés sur 10 secondes) à des enregistrements plus longs et de durée variable. Un module léger plug-in ajoute le traitement de séquences longues et la modélisation temporelle sans réentraîner le backbone. Résultats sur plusieurs tâches ECG long-horizon surpassent les baselines sliding-window et pooling.
LAC (Latent Action Control) rend le raisonnement actionnable dans les modèles génératifs unifiés en représentant la planification et le diagnostic comme des actions latentes continues. Intégré à BAGEL-7B-MoT, LAC améliore la génération compositionnelle et fondée sur les connaissances via alignement variationnel et GRPO, avec gains majeurs sur les relations spatiales et les liaisons d'attributs.
Article arXiv proposant une approche d'explicabilité par contrefactuels fondée sur la quantification d'incertitude. Les auteurs démontrent que l'intégration de concepts fondamentaux de l'IA (notamment l'incertitude) améliore la robustesse et la fiabilité des explications, avec performances compétitives malgré une conception simple.
Whisper, un framework de prompting itératif, réduit la longueur des réponses des modèles de raisonnement (LRMs) via persuasion en boîte noire. Sur GSM8K, réduction 3x pour Qwen3 ; ~40% de tokens économisés en moyenne. Claude-3.7 et Gemini-2.5 voient -46% à -50% sur MATH-500.
Lens, une méthode de contrôle de capteur caméra, adapte les paramètres d'acquisition en temps réel pour améliorer la performance des modèles de vision. Utilisant VisiT, un indicateur de qualité sans entraînement basé sur les scores de confiance, Lens compense les décalages de domaine sans modification extensive du modèle. Benchmark ImageNet-ES Diverse introduit.
Approche de fusion guidée par métriques pour combiner les caractéristiques complémentaires de modèles de fondation visuels (SAM2, DINOv3) dans les tâches de segmentation dense. Deux métriques sans labels (Cohérence Structurelle, Fidélité des Contours) évaluent les encodeurs et sélectionnent les paires complémentaires. Gains de performance constants sur plusieurs tâches sans modifications architecturales complexes.
ERMAR (Enhanced Ranked Memory Augmented Retrieval) est un framework pour gérer efficacement les contextes longs dans les modèles de langage. Il utilise un mécanisme de scoring de pertinence et un modèle de re-ranking pointwise pour les embeddings clé-valeur, inspiré par les techniques learning-to-rank. Résultats SOTA sur benchmarks standards avec meilleure scalabilité.
XDiffuser combine planification par graphe d'état et diffusion pour améliorer la planification long-horizon. Le modèle calcule d'abord un plan classique servant d'oracle de connectivité, puis l'utilise pour guider le débruitage d'une trajectoire unique. Surpasse les baselines diffusion sur tâches long-horizon, coordination multi-agent et problèmes TSP.
SemAlign propose un mécanisme de transfert de connaissance entre modèles de langage de tailles différentes via alignement sémantique latent. Au lieu de copier directement les paramètres, la méthode utilise les activations comme médium de transfert, en appairant couches source et cible et en optimisant via supervision sémantique. Évaluée sur quatre benchmarks.
Nouvel article arXiv proposant CSDI (content-style differential independence) pour identifier les facteurs de contenu et style dans les modèles génératifs multi-domaines. Relaxe les conditions d'indépendance statistique antérieures via une contrainte d'orthogonalité sur les sous-espaces jacobiens. Démontre l'identifiabilité même avec contenu/style dépendants et jacobien dense.
T-FIX est un cadre d'évaluation pour mesurer l'alignement des explications générées par les LLM avec le raisonnement d'experts dans des domaines spécialisés (chirurgie, astronomie, thérapie). Couvre sept tâches scientifiques sur trois domaines avec critères définis par des experts. Permet une évaluation automatique et généralisable sans annotation continue d'experts.