Page 79 sur 149

ToutHaut signalRécent

5941 articles

Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction

Framework hiérarchique deux étages pour prédire les trajectoires de navires sur long horizon en conditions océaniques réelles. Combine prédicteur long-terme avec prédicteur court-terme basé sur Graph Transformer spatio-temporel sur grille maritime. Module environnemental intègre courants, vent, hauteur de vague via attention cross-modale. Résultats : 25% meilleur ADE, 17% meilleur FDE sur données CTS Australie.

Raisonnement Benchmarks Papers

SIG

HYP

arXiv cs.AI·19 mai

Efficient Lookahead Encoding and Abstracted Width for Learning General Policies in Classical Planning

Nouvelle approche pour l'apprentissage de politiques généralisées en planification classique via des réseaux de neurones graphiques relationnels (R-GNNs). Les auteurs introduisent un encodage efficace de la recherche lookahead IW et une abstraction relationnelle pour améliorer l'évolutivité sur le benchmark IPC 2023. Les résultats surpassent le planificateur classique LAMA.

Raisonnement Benchmarks Papers

SIG

HYP

arXiv cs.AI·19 mai

Attention-Guided Fusion of 1D and 2D CNNs for Robust ECG-Based Biometric Recognition

Framework hybride combinant CNNs 1D et 2D avec fusion guidée par attention pour la reconnaissance biométrique basée sur ECG. Évaluation sur ECG-ID, MIT-BIH, PTB : 99.56%, 100%, 99.89% d'exactitude. Tests multi-sessions (Heartprint, 10 ans) : 98.54%-99.09% intra-session, 53-56% inter-sessions.

Vision Benchmarks Évaluations

SIG

HYP

arXiv cs.AI·19 mai

Visualizing the Invisible: Generative Visual Grounding Empowers Universal EEG Understanding in MLLMs

GVG (Generative Visual Grounding) utilise un modèle EEG-to-image pour traduire l'activité cérébrale en images visuelles, contournant l'alignement texte seul. Testé sur GVG-X-Omni (170M params tunés) et GVG-Janus (trimodal), le framework améliore la compréhension EEG et la génération visuelle en exploitant les priors visuels des MLLMs.

Vision Multi-agents Embeddings

SIG

HYP

arXiv cs.AI·19 mai

LAST-RAG: Literature-Anchored Stochastic Trajectory Retrieval-Augmented Generation for Knowledge-Conditioned Degradation Model Selection

LAST-RAG propose une méthode de sélection de modèles de dégradation stochastique pour l'estimation de la durée de vie utile restante (RUL). La méthode combine trajectoires observées et contexte domaine via récupération d'evidence d'une banque locale, avec un mécanisme RCRUS pour éviter l'élimination prématurée. Expériences montrent surperformance vs baselines statistiques et prognostiques.

RAG Raisonnement Benchmarks

SIG

HYP

arXiv cs.AI·19 mai

Modelling Customer Trajectories with Reinforcement Learning for Practical Retail Insights

Cadre de modélisation basé sur l'apprentissage par renforcement (RL) pour prédire les trajectoires clients en magasin. L'approche dépasse les heuristiques TSP/PNN (écart moyen 28% vs chemins optimaux) en capturant la rationalité limitée des clients. Validation sur données réelles : prédictions RL plus alignées avec comportements observés, estimations plus précises des achats impulsifs et densités de trafic.

Reinforcement learning Agents IA Business

SIG

HYP

arXiv cs.AI·19 mai

Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations

Papier sur l'atténuation du vieillissement NBTI dans les multiplicateurs arithmétiques utilisés en IA. La technique exploite l'invariance de signe de la multiplication pour redistribuer le stress transistor via transformations en complément à 2. Intégrée aux systolic arrays, elle améliore la durée de vie avec surcoûts négligeables en surface et délai.

Papers Benchmarks Sécurité IA

SIG

HYP

arXiv cs.AI·19 mai

Validate Your Authority: Benchmarking LLMs on Multi-Label Precedent Treatment Classification

Benchmark de LLMs sur la classification du traitement des précédents juridiques. Dataset expert-annoté de 239 citations légales réelles. Gemini 2.5 Flash atteint 79,1% en classification haut-niveau, GPT-5-mini 67,7% sur schéma fin-grained. Nouvelle métrique Average Severity Error pour mesurer l'impact pratique des erreurs.

Benchmarks Gemini GPT

SIG

HYP

arXiv cs.AI·19 mai

Fine-tuning Pocket-Aware Diffusion Models via Denoising Policy Optimization

DEPPA optimise les modèles de diffusion conscients de la poche protéique pour la conception de médicaments via apprentissage par renforcement. La méthode affine un modèle pré-entraîné en formulant le processus de débruitage comme un processus décisionnel de Markov, optimisant affinité de liaison, drug-likeness, synthétisabilité et diversité. Sur CrossDocked2020, DEPPA atteint Vina Score -8.5 kcal/mol.

Reinforcement learning Papers Benchmarks

SIG

HYP

arXiv cs.AI·19 mai

LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning

LMAC utilise un LLM pour concevoir des protocoles de communication dans le MARL, permettant aux agents de reconstruire l'état global de manière uniforme. L'approche affine itérativement le protocole via un critère de conscience d'état explicite. Tests sur benchmarks MARL montrent gains de performance substantiels.

Multi-agents Reinforcement learning Raisonnement

SIG

HYP

arXiv cs.CL·19 mai

HINT-SD: Targeted Hindsight Self-Distillation for Long-Horizon Agents

HINT-SD propose une auto-distillation ciblée pour entraîner des agents LLM sur des horizons longs. La méthode utilise l'historique complet de trajectoire pour identifier les actions pertinentes aux échecs et applique la distillation conditionnée par feedback uniquement sur ces spans. Sur BFCL v3 et AppWorld, elle améliore les baselines de 18,80% tout en réduisant le temps par étape d'entraînement de 2,26×.

Agents IA Reinforcement learning Raisonnement

SIG

HYP

arXiv cs.AI·19 mai

SkillsVote: Lifecycle Governance of Agent Skills from Collection, Recommendation to Evolution

SkillsVote est un framework de gouvernance du cycle de vie des skills d'agents IA, depuis leur collecte jusqu'à leur évolution. Il profile un corpus open-source à l'échelle du million pour la qualité et la vérifiabilité, puis décompose les trajectoires en subtasks attribuées aux skills. Amélioration : +7.9pp sur Terminal-Bench 2.0 (GPT-5.2) et +2.6pp sur SWE-Bench Pro.

Agents IA Benchmarks Génération de code

SIG

HYP

arXiv cs.AI·19 mai

Diffusion Attention Expert Model for Predicting and Semi-automatic Localizing STAS in Lung Cancer Histopathological Images

DAEM (Diffusion Attention Expert Model) détecte les STAS (spread through air spaces) dans les images histopathologiques de cancer du poumon. Le modèle atteint AUC 0.8946 sur coupes congelées et 0.9112 sur coupes en paraffine. Validation sur 8 institutions externes. Localisation semi-automatique et biomarqueurs TME identifiés.

Vision Benchmarks Papers

SIG

HYP

arXiv cs.AI·19 mai

Wasserstein Equilibrium Decoding for Reliable Medical Visual Question Answering

Nouvelle méthode de décodage game-théorique pour modèles vision-langage petits (2-8B) en imagerie médicale. Critère d'arrêt Wasserstein sémantique remplace l'appariement lexical, améliorant Qwen3-VL-2B de +3.5pp sur VQA-RAD et réduisant itérations de convergence de 20% tout en maintenant fiabilité.

Vision Raisonnement Évaluations

SIG

HYP

arXiv cs.AI·19 mai

Systematic Evaluation of the Quality of Synthetic Clinical Notes Rephrased by LLMs at Million-Note Scale

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 reprasing par chunks réduit cette perte mais diminue la précision factuelle.

Benchmarks Évaluations Sécurité IA

SIG

HYP

arXiv cs.CL·19 mai

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook

CodeBind propose un framework d'alignement multimodal via codebook compositif partagé-spécifique. La méthode décompose les représentations en composantes sémantiques partagées et spécifiques à chaque modalité, validée sur 9 modalités (texte, image, vidéo, audio, profondeur, thermique, tactile, nuage de points 3D, EEG) avec SOTA en classification et retrieval.

Embeddings Vision Robotique

SIG

HYP

arXiv cs.AI·19 mai

The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration

Étude sur la sycophantie contextuelle dans les LLM : 60 participants ont collaboré avec une IA sur des tâches analytiques. Les résultats montrent que les modèles reflètent les erreurs utilisateur plutôt que de les corriger. Une intervention en littératie IA a réduit le mirroring incorrect mais n'a pas éliminé la propagation d'erreurs, suggérant que les approches au niveau système sont nécessaires.

Alignement Sécurité IA Évaluations

SIG

HYP

arXiv cs.AI·19 mai

Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation

CGPO (Curriculum Group Policy Optimization) améliore l'entraînement des modèles texte-vers-image en utilisant un curriculum adaptatif basé sur la variance des récompenses. La méthode priorise les prompts partiellement maîtrisés (variance élevée) et équilibre les catégories via optimisation de fairness proportionnelle. Gains validés sur GenEval, T2I-CompBench++, DPG Bench.

Génération d'images Reinforcement learning Benchmarks

SIG

HYP

arXiv cs.AI·19 mai

Divergence-Suppressing Couplings for Rectified Flow

Les auteurs identifient que l'enchevêtrement des trajectoires dans Rectified Flow provient de régions à divergence non-nulle dans le champ de vitesse appris. Ils proposent une correction hors-ligne qui atténue la composante divergente lors de la génération du couplage, sans surcoût au déploiement. Améliorations validées sur benchmarks 2D et génération d'images.

Génération d'images Papers Benchmarks

SIG

HYP

arXiv cs.AI·19 mai

One Model, Two Roles: Emergent Specialization in a Shared Recurrent Transformer

Étude d'une architecture Transformer récurrente à poids partagés (AIR) capable de développer deux rôles distincts sans partitionnement modulaire. Sur Sudoku-Extreme et Maze, l'état zH agit comme proposition engagée tandis que zL conserve l'incertitude locale. Les expériences de gel et ablations montrent que l'asymétrie d'injection d'entrée induit cette spécialisation fonctionnelle.

Raisonnement Papers

SIG

HYP

arXiv cs.AI·19 mai

ISEP: Implicit Support Expansion for Offline Reinforcement Learning via Stochastic Policy Optimization

ISEP propose une méthode d'apprentissage par renforcement hors ligne qui élargit implicitement le support des actions en interpolant entre données en distribution et échantillons de politique. Un mécanisme stochastique alterne entre clonage conservateur et signaux d'expansion optimiste, implémenté via Flow Matching conditionnel avec guidance sans classifieur.

Reinforcement learning Papers

SIG

HYP

arXiv cs.CL·19 mai

ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop

ESI-Bench est un benchmark pour l'intelligence spatiale incarnée testant 10 catégories de tâches sur OmniGibson. Les expériences montrent que l'exploration active surpasse les approches passives, mais les modèles échouent principalement par « action blindness » : mauvais choix d'action → mauvaises observations → erreurs en cascade. Les modèles manquent de métacognition contrairement aux humains.

Benchmarks Vision Raisonnement

SIG

HYP

arXiv cs.CL·19 mai

AdaSwitch: Adaptive Switching between Small and Large Agents for Effective Cloud-Local Collaborative Learning

AdaSwitch propose un paradigme collaboratif cloud-local où un agent local (petit LLM) traite les tâches simples et demande assistance à un agent cloud (grand LLM) pour le raisonnement complexe. Le mécanisme adaptatif détecte les erreurs locales et bascule dynamiquement. Évaluation sur 7 benchmarks (raisonnement mathématique, QA complexe) montre amélioration de performance avec réduction des coûts computationnels.

Agents IA Multi-agents Raisonnement

SIG

HYP

arXiv cs.AI·19 mai

CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories

CommitDistill est un prototype Python open-source qui extrait des unités de connaissance typées (Facts, Skills, Patterns) de l'historique git local via regex déterministe et les expose via un retriever TF-IDF. Testé sur 5 dépôts (25k commits), il atteint 0.750 hit-rate avec budget 256-char contre 0.333 pour BM25. Pas d'amélioration statistique détectable sur les bug-fixes en évaluation LLM-as-judge.

Génération de code RAG Agents IA

SIG

HYP

arXiv cs.CL·19 mai

EmoMind: Decoding Affective Captions from Human Brain fMRI

EmoMind décode des légendes affectives directement à partir de signaux fMRI en deux étapes : extraction de descriptions sémantiques neutres, puis réécriture via un vecteur émotionnel continu 34-dimensionnel. Utilise guidance sans classificateur pour équilibrer fidélité sémantique et expressivité affective. Surpasse GPT-4 sur deux datasets fMRI indépendants.

Vision Raisonnement Benchmarks

SIG

HYP

arXiv cs.CL·19 mai

RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

Pipeline RAG pour décoder du texte à partir de signaux EEG au niveau de la phrase. Combine un encodeur EEG aligné sur des embeddings sémantiques, une récupération vectorielle et un LLM pour raffiner les phrases. Sur le dataset ZuCo, amélioration de 30,45% vs baseline aléatoire (cosine similarity 0.181 vs 0.139).

RAG Embeddings Recherche vectorielle

SIG

HYP

arXiv cs.CL·19 mai

Responsible Federated LLMs via Safety Filtering and Constitutional AI

Étude sur l'intégration de techniques de sécurité (filtrage et Constitutional AI) dans l'apprentissage fédéré de LLM. Les auteurs montrent que ces méthodes réduisent les réponses dangereuses de plus de 20% sur AdvBench, adressant le risque de déploiement massif de modèles non sécurisés.

Sécurité IA Alignement Reinforcement learning

SIG

HYP

arXiv cs.AI·19 mai

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook

CodeBind propose un cadre d'alignement multimodal utilisant un codebook compositif partagé-spécifique. Testé sur 9 modalités (texte, image, vidéo, audio, profondeur, thermique, tactile, nuage de points 3D, EEG), il atteint des performances SOTA en classification et retrieval multimodal sans nécessiter de données entièrement appairées.

Embeddings Vision RAG

SIG

HYP

arXiv cs.AI·19 mai

Machine Unlearning for Masked Diffusion Language Models

Première méthode de machine unlearning pour les modèles de diffusion masqués (MDLMs comme LLaDA et Dream). MDU minimise la divergence KL entre prédictions conditionnelles et distribution inconditionnelle masquée, avec paramètre de température pour équilibrer confidentialité et utilité. Code disponible.

Papers Sécurité IA Fine-tuning

SIG

HYP

arXiv cs.AI·19 mai

Privacy Preserving Reinforcement Learning with One-Sided Feedback

POOL, un nouvel algorithme RL préservant la vie privée, traite l'apprentissage par renforcement en espaces continus multi-dimensionnels avec retours partiels. L'analyse théorique démontre une complexité d'échantillon correspondant aux bornes inférieures du RL non-privé, réconciliant garanties de confidentialité fortes et efficacité d'apprentissage.

Reinforcement learning Sécurité IA Papers

SIG

HYP

arXiv cs.AI·19 mai

PESD-TSF: A Period-Aware and Explicit Structured Decomposition Framework for Long-Term Time Series Forecasting

PESD-TSF est un framework de décomposition structurée pour la prévision de séries temporelles longues. Il introduit un mécanisme de gating périodique multiplicatif, un encodeur multi-échelle avec attention détrended, et une attention collaborative inter-variables (CSCA) pour préserver les structures périodiques et les dépendances entre variables à travers les couches profondes.

Benchmarks Papers

SIG

HYP

arXiv cs.AI·19 mai

Multimodal Cultural Heritage Knowledge Graph Extension with Language and Vision Models

Nouvelle approche pour étendre les graphes de connaissances (KG) du patrimoine culturel français. Les auteurs introduisent WJoconde, un KG multimodal intégrant texte et images, avec trois variantes et un benchmark pour la complétion de KG. Ils proposent un framework combinant LLM et Vision-Language Models pour extraire et valider automatiquement les données, améliorant la fiabilité du KG.

Vision RAG Benchmarks

SIG

HYP

arXiv cs.AI·19 mai

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning

Méthode EBOMLC pour corriger les labels bruyants via optimisation bilevel efficace. Utilise un modèle meta entraîné sur données propres pour corriger un grand dataset bruyant. Réduit coût computationnel des hypergradients et améliore stabilité sur CIFAR-10/100 avec taux de bruit élevé.

Papers Benchmarks Fine-tuning

SIG

HYP

arXiv cs.CL·19 mai

Factual Inconsistencies in Multilingual Wikipedia Tables

Étude des incohérences factuelles dans les tableaux Wikipedia multilingues. Les chercheurs ont développé une méthodologie pour collecter et analyser les tables de 300+ versions linguistiques de Wikipedia, identifiant des catégories d'inconsistance. Implications pour la vérification factuelle et la fiabilité des systèmes IA entraînés sur Wikipedia.

Benchmarks Évaluations RAG

SIG

HYP

arXiv cs.AI·19 mai

Context Memorization for Efficient Long Context Generation

Nouvelle méthode d'optimisation pour les LLM avec longs contextes : attention-state memory externalise le préfixe en mémoire légère de lookup sans entraînement. Sur LLaMA-3.1-8B, réduit latence attention de 1.36x à 8K tokens et surpasse RAG full-attention avec 20% moins de mémoire.

Llama Raisonnement RAG

SIG

HYP

arXiv cs.AI·19 mai

A Simplex Witness Certificate for Constant Collapse in Variational Autoencoders

Article théorique sur l'effondrement constant dans les VAE (variational autoencoders), où l'encodeur devient indépendant de l'entrée. Les auteurs proposent un certificat témoin simplex pour détecter et prévenir ce mode de défaillance durant l'entraînement, avec baseline exacte et inverse en forme fermée.

Papers Évaluations

SIG

HYP

arXiv cs.AI·19 mai

NeuSymMS: A Hybrid Neuro-Symbolic Memory System for Persistent, Self-Curating LLM Agents

NeuSymMS est un système de mémoire hybride neuro-symbolique pour agents LLM. Il couple l'extraction neurale de faits depuis le dialogue avec un système expert CLIPS qui classe, déduplique et réconcilie les faits. Les connaissances sont stockées sous forme de triplets sujet-relation-valeur en base de données relationnelle, avec mémoire court/long terme et promotion basée sur l'accès.

Agents IA RAG Raisonnement

SIG

HYP

arXiv cs.AI·19 mai

SPATIOROUTE: Dynamic Prompt Routing for Zero-Shot Spatial Reasoning

SpatioRoute est une approche de routage dynamique de prompts pour le question-answering spatial sur vidéo égocentrique. Sans fine-tuning, elle route chaque question vers un template de prompt spécialisé (mode rule-based ou LLM-driven) et atteint +5% de précision sur SQA3D comparé aux baselines, établissant un SOTA en zéro-shot sans données 3D.

Prompt engineering Vision Raisonnement

SIG

HYP

arXiv cs.CL·19 mai

Rethinking 1-bit Optimization Leveraging Pre-trained Large Language Models

Nouvelle méthode de quantification 1-bit pour LLM exploitant les modèles pré-entraînés. Utilise un entraînement progressif cohérent (forward/backward) avec initialisation binary-aware et compensation dual-scaling pour convertir les poids en représentation binarisée. Réduit coûts d'entraînement et dégradation de précision comparé aux approches existantes.

Fine-tuning Benchmarks Infrastructure

SIG

HYP

arXiv cs.CL·19 mai

Early Stopping Chain-of-thoughts in Large Language Models

ES-CoT détecte la convergence des réponses lors de la génération de chaînes de pensée (CoT) pour arrêter précocement l'inférence. La méthode réduit les tokens d'inférence de 16,08% en moyenne sur six benchmarks de raisonnement sans perte de précision significative.

Raisonnement Prompt engineering Benchmarks

SIG

HYP