Étude de l'ingénierie des « harnesses » pour l'alignement en temps d'inférence des agents LLM. Les auteurs décomposent les harnesses en deux mécanismes : décomposition de tâches et exécution guidée. Ils identifient des modes de défaillance (sur-décomposition, sur-élagage) et montrent que les harnesses partielles peuvent surpasser les workflows entièrement structurés.
AgentCo-op est un framework de synthèse basé sur la récupération qui compose des compétences réutilisables, outils et agents externes en workflows exécutables via des transferts d'artefacts typés. Appliqué à la génomique et aux benchmarks de codage/math, il coordonne des agents spécialisés sans recherche globale de topologie et réduit les coûts par rapport aux baselines multi-agents.
HES (High-Entropy Sum) est une métrique sans entraînement pour sélectionner les données de raisonnement de haute qualité dans les LLM. Testée sur SFT, RFT et RL, elle permet d'atteindre les performances du dataset complet en utilisant seulement les 20% meilleurs échantillons, réduisant significativement le coût computationnel.
AiraXiv est une plateforme de preprints open-access pilotée par l'IA, conçue pour accueillir auteurs humains et agents IA. Elle intègre l'analyse augmentée par IA, les retours lecteurs et le Model Context Protocol (MCP) pour les interactions automatisées. Déployée comme plateforme de soumission pour ICAIS 2025.
Extension du framework Equilibrium Propagation aux systèmes skew-gradient avec équivalence démontrée entre Energy-Based Models profonds et réseaux Hamiltoniens. Application à des réseaux de neurones Fitzhugh-Nagumo couplés diffusivement, montrant que les solutions stationnaires admettent une structure Hamiltonienne spatiale et permettent l'application de Hamiltonian Echo Backpropagation.
Méthode neurale pour estimer l'information mutuelle conditionnelle par paires dans les modèles de diffusion masqués (MDMs). Le framework utilise les états cachés d'un MDM préentraîné et supervision par MI calculée depuis les distributions conditionnelles du modèle. Appliqué à Sudoku et génération de séquences protéiques (ESM-C), réduit les passes forward d'inférence de 3-5x en décodage parallèle guidé par MI.
BlockFormer, une architecture transformer, infère des paramètres à partir de cartes d'interactions (Hi-C) en formulant le problème comme un inverse problem générique. La méthode utilise des données synthétiques générées par simulateur pour localiser précisément les centromères dans plusieurs espèces.
Théorie du champ moyen du dropout comme perturbation de la propagation critique des signaux. Les auteurs dérivent des lois d'échelle et montrent que les activations lisses et ReLU forment des classes d'universalité distinctes. Un calendrier de dropout front-loaded réduit la perte de test sans coût computationnel supplémentaire.
Étude comparative de TabPFN (modèle fondation tabulaire) sur 66 datasets NIR (54 régression, 12 classification). TabPFN optimisé surpasse PLS, CatBoost et CNN-1D en régression; en classification, il égale Ridge. Avantage réduit sur outliers spectraux et extrapolation.
Nouvelle méthode d'inférence pour modèles de flux : Conflict-Aware Additive Guidance (CAR) corrige la dérive hors-variété lors de la composition de multiples contraintes. Détecte et résout les conflits de gradients en temps réel. Validée sur édition d'image, planification et contrôle.
Étude proposant un cadre de traitement parallèle par chunks pour analyser les longs documents avec les LLM. Le texte est divisé en segments sémantiques traités indépendamment, puis consolidés avec ancrage explicite aux preuves. Résultats : réduction de 84% des erreurs d'omission, augmentation de 130% de la traçabilité, réduction de 91% des affirmations non fondées.
IdioLink est un benchmark de retrieval contenant 10,700 documents et 2,140 requêtes sur 107 idiomes. Il teste si les modèles peuvent lier expressions idiomatiques à leurs équivalents littéraux. Les embeddings actuels (BGE, E5, Contriever, Qwen) échouent, s'appuyant sur des indices topicaux superficiels plutôt que sur l'abstraction sémantique.
Étude de 25 modèles d'embedding sur 5 tâches MTEB montrant que le chevauchement des plus proches voisins et les différences de magnitude en ICA corrèlent fortement (jusqu'à 0.97) avec la performance. Les tâches d'embedding affichent des degrés variables de linéarité et de rétention d'information locale.
CR4T est un framework de sécurité pour LLM destinés aux adolescents. Au lieu de refuser les requêtes problématiques, il réécrit les réponses non-sûres en guidance développementalement appropriée. Combinant détection de risque légère et réécriture conditionnée par domaine, CR4T réduit les refus inutiles tout en préservant les intentions bienveillantes.
Architecture réseau autonome multi-agents hiérarchique (HANA) pour passer de l'automatisation statique à l'intelligence autonome en réseaux 5G. Orchestrateur dual coordonne des agents spécialisés avec mémoire partagée et auto-conscience. Validation en environnement 5G Core : réduction MTTR de 86%, maintien du débit en congestion.
LatentOmni propose un cadre de raisonnement audio-visuel utilisant un espace latent unifié au lieu de chaînes de pensée textuelles explicites. Le modèle intercale le raisonnement textuel avec des états latents audio-visuels, introduit OSPE pour la cohérence temporelle, et s'appuie sur LatentOmni-Instruct-35K (35K trajectoires annotées). Surpasse les baselines textuelles sur les benchmarks audio-visuels.
Cadre Self-Paced Curriculum Learning (SPCL) pour la reconnaissance d'émotions multimodales en conversations. Mesureur de difficulté dual (niveau énoncé et conversation) guide l'apprentissage des cas faciles aux difficiles. Tests sur IEMOCAP (+1.2% à +6.6% F1) et MELD (+10.4%) montrent amélioration de l'équilibre modalité.
yvsoucom-iterkit, un framework AutoML déterministe et log-driven, optimise les pipelines de prédiction de risque médical via 18 000+ configurations. Sur Pima et Stroke, l'augmentation (0.454), le choix du modèle (0.198) et la gestion du déséquilibre (0.101-0.406) sont les drivers clés. Ensembles atteignent F1 0.89-0.94 avec robustesse cross-seed (variabilité 0.023-0.026).
Les réseaux pré-entraînés sur données (PFN) excellent sur la classification tabulaire mais souffrent du déséquilibre de classes. Cette étude adapte des techniques classiques (thresholding, downsampling) aux PFN, montrant que le thresholding surperforme grâce à la calibration des PFN, tandis que le downsampling offre un bon compromis avec coût computationnel réduit.
GHI est un framework basé sur Graphormer pour l'analyse de sentiment basée sur les aspects (ABSA). Il utilise une structure hypergraphe bipartite pour représenter les relations entre tokens et hyperedges, intégrant des signaux linguistiques et sémantiques. Avec 247M paramètres, GHI surpasse DeBERTa sur six benchmarks SemEval et approche les performances de Flan-T5 11B sur ISE.
PromptNCE estime l'information mutuelle ponctuelle via LLM sans entraînement, en utilisant uniquement des prompts et probabilités élicitées. La méthode encadre l'estimation de probabilité conditionnelle comme tâche contrastive avec catégorie OTHER explicite. Corrélation Spearman jusqu'à 0.82 sur trois datasets avec vérité terrain humaine.
Corpus de 252 487 posts Facebook arabes (2013-2024) collectés sur 51 660 pages dans 77 pays, couvrant l'autonomisation des femmes et le bien-être social. 267 millions d'interactions utilisateur analysées avec métriques d'engagement (partages, commentaires, réactions). Pipeline automatisé pour identification linguistique, normalisation et nettoyage des métadonnées.
I-SAFE est un framework d'audit post-hoc pour modèles IA scientifiques basé sur la métrique de cohérence Wasserstein (WCM). Il évalue si les prédictions d'un modèle reflètent la structure du domaine ou exploitent des raccourcis statistiques. Testé sur la prédiction d'interactions drogue-cible (DeepConvDTI, DeepDTA, TAPB), il révèle des profils de réponse distribués distincts invisibles aux métriques de précision.
Cadre variationnel hiérarchique pour adapter les modèles de diffusion prétrained à des objectifs de récompense. Formule l'adaptation en temps de test comme une politique stochastique légère qui amortit le contrôle par étape. Sur super-résolution 4x : qualité perceptuelle supérieure avec inférence 5x plus rapide que les baselines.
Nouvelle méthode probabiliste pour attribuer l'importance des tokens dans les LLM. Utilise les probabilités conditionnelles et la règle de Bayes pour inverser les log-probabilités et capturer la distribution interne du modèle. Évalue 8 modèles sur 7 prompts pour analyser sensibilité, stabilité et convergence.
Nouvelle méthode de prototypes explicables intégrant l'importance des features à deux niveaux : « alike parts » pour les explications locales (met en avant les features partagées entre instance et prototype) et sélection globale augmentée pour promouvoir la diversité des attributions. Tests sur 6 benchmarks montrent maintien ou amélioration de la fidélité du modèle.
Des chercheurs proposent une méthodologie appelée « personality engineering » utilisant des agents IA pour tester rigoureusement les théories de négociation. Les agents IA paramètrent précisément les personnalités des négociateurs selon deux dimensions (chaleur et dominance) du circumplex interpersonnel, permettant des expériences contrôlées impossibles avec des humains.
Framework d'optimisation conjointe pour l'allocation publicitaire multi-slot garantie. Formule le problème comme un appariement bipartite hors ligne avec mécanisme de roulette contrats et contraintes de Page View. Tests en ligne sur Meituan : +28,99% ARPU à 70% du trafic, stabilité contrats améliorée.
DIP (Diverge-to-Induce Prompting) génère plusieurs rationales diversifiées pour chaque question, les élabore en plans détaillés, puis les induit en plan final. Améliore la précision du raisonnement zero-shot sans surcoût computationnel vs prompting mono-stratégie.
Étude des mécanismes de rappel factuel dans les modèles de langage multimodaux (texte + parole). Via analyse de médiation causale sur SpiritLM, les chercheurs montrent que les mécanismes de stockage et récupération de connaissances factuelles ne se transfèrent que partiellement du texte à la parole.
Méthode d'auto-supervision pour aligner les connaissances culturelles multilingues dans les LLM. Utilise la cohérence multilingue pour identifier les réponses culturelles fiables et les transférer aux langues faibles. Améliore les performances sur BLEnD de 5,03% en moyenne sans données externes.
Système de certification sélective par réclamation pour RAG médical haute-risque. Chaque réponse est décomposée en affirmations vérifiables, évaluées contre les preuves récupérées et mappées à {complet, partiel, conflit, abstention}. Sur le protocole de certification faible-label, UCCR=0.0000, PAU=1.0000, précision PAU=0.9901, précision action=0.9204 (dev, n=314) et 0.8997 (test, n=319).
GraphDiffMed propose un cadre de recommandation médicamenteuse basé sur l'attention différentielle dual-scale et des contraintes pharmacologiques. Testé sur MIMIC-III, le modèle filtre le bruit intra-visite et inter-visite tout en intégrant les interactions médicamenteuses, surpassant les baselines existantes en qualité et sécurité.
CUGA présente un système de gouvernance modulaire pour agents IA généralists en entreprise. Via cinq points de contrôle (Intent Guard, Playbook, Tool Guide, Tool Approvals, Output Formatter), la plateforme applique des politiques sans fine-tuning du modèle, garantissant conformité et auditabilité dans des workflows complexes.
Étude RL sur les jeux de combat (Street Fighter II). Les agents apprennent à prédire à la fois l'action ET sa durée d'exécution, au lieu de décider à intervalle fixe. Expériences sur FightLadder : timing appris égale performance des frame skips fixes, mais favorise répétition d'actions exploitables.
Hy-MT2 est une famille de modèles de traduction multilingue (1.8B, 7B, 30B-MoE) supportant 33 langues. Le modèle 1.8B quantifié à 1.25-bit pèse 440 MB et accélère l'inférence de 1.5x. Les modèles 7B et 30B surpassent DeepSeek-V4-Pro et Kimi K2.6 en mode fast-thinking; le 1.8B dépasse les APIs commerciales Microsoft et Doubao.
Article théorique sur l'équilibre entre simulateurs pré-entraînés et expériences réelles en planification séquentielle. Décompose l'erreur du simulateur en décalage calibration-déploiement et résidu paramétrique. Propose Fisher-SEP, une politique expérimentale qui minimise la variance prédictive. Cas d'étude : chaîne logistique de distributeurs et dépistage du VIH.
Méthode pour créer des embeddings de haute qualité pour le raisonnement en logique de Horn. Les auteurs utilisent la triplet loss avec trois innovations : ancres contenant des termes répétés, équilibre entre exemples faciles/moyens/difficiles, et emphasis périodique des cas difficiles. Évaluation sur plusieurs bases de connaissances.
DDS (Declarative Data Services) est une architecture pour la découverte agentic structurée de compositions de systèmes de données. Face à l'échec de la découverte agentic non bornée, le framework décompose la recherche en sous-recherches typées via quatre contrats (intent, DAG d'opérateurs, skills, attribution runtime). Testé sur une charge de trading-backend, DDS converge où les approches non bornées échouent.
Modèle computationnel de morphologie inflectionnelle arabe centré sur les pluriels brisés. Inverse le paradigme traditionnel racine-et-patron en patron-et-racine. Appliqué à 3 200 entrées nominales avec 160 classes inflectionnelles (22 patrons trilitères, 3 quadrilitères). Séparation formelle entre inflexion, dérivation et sémantique.