Informatique - Apprentissage automatique

Une approche multimodale améliore les prédictions de l'expression génique dans la recherche biologique.

La recherche met en avant le rôle des neurones de sécurité dans l'amélioration de la sécurité et de la responsabilité des LLM.

Explorer le rôle de l'apprentissage actif dans la découverte de médicaments grâce au docking moléculaire.

Une méthode novatrice utilise des marches aléatoires pour un clustering efficace des graphes.

La déderivation de gradient avancée propose des solutions efficaces pour optimiser de grands modèles d'apprentissage automatique.

Un nouvel algorithme optimise les systèmes multi-agents tout en protégeant la vie privée des utilisateurs.

MODA améliore les processus de décision dans les zones urbaines en utilisant des techniques d'apprentissage avancées.

Avancées dans le fine-tuning des modèles de langage avec des techniques innovantes.

Un nouveau modèle améliore l'efficacité des études de cohorte dans l'analytique de santé.

Cet article parle de l'adaptation des modèles de langue pour un meilleur soutien dans différentes langues.

CEBench aide les entreprises et les chercheurs à évaluer les LLMs tout en gérant les coûts et la performance.

Une étude sur comment les modèles de langage peuvent ignorer les instructions et leurs implications.

Présentation d'une méthode pour améliorer la communication en équilibrant le sens et l'énergie utilisée.

Une nouvelle méthode améliore les IRM en utilisant des images précédentes pour des résultats plus rapides.

Une nouvelle méthode suit l'utilisation d'énergie pour surveiller discrètement les personnes âgées.

Cet article parle de l'importance de mesurer l'incertitude dans les prédictions de l'IA.

Examiner les obstacles que rencontrent les LLM dans la traduction des langues à faibles ressources.

Une nouvelle méthode pour améliorer l'alignement de l'IA avec les valeurs humaines en utilisant des retours corrompus.

MV-Mol intègre différentes sources de données pour une meilleure compréhension moléculaire.

De nouvelles techniques améliorent la vie privée et la sécurité dans les requêtes et les transactions de bases de données.

Apprends comment les décisions de compromis améliorent la fiabilité en programmation stochastique.

Les CMDP améliorent la prise de décision en tenant compte du contexte dans différentes applications.

Une nouvelle approche pour améliorer l'efficacité de l'optimisation bi-niveaux non convexe en apprentissage automatique.

OPERA combine plusieurs méthodes pour une évaluation de politique plus précise en utilisant des données passées.

Explorer le besoin d'explications claires dans les Graph Neural Networks.

Le dataset OPSSAT-AD aide à détecter des événements satellites inhabituels.

Une nouvelle approche permet aux appareils plus faibles de contribuer à l'apprentissage fédéré.

Ce cadre améliore l'efficacité d'apprentissage dans des tâches complexes grâce à des structures hiérarchiques.

Des recherches montrent que les modèles non entraînés se connectent aux réponses du cerveau humain dans le traitement du langage.

Une technique d'échantillonnage innovante relève les défis dans les distributions complexes pour l'apprentissage automatique.

Tempora-Fusion améliore les Casse-tête Temporels pour des calculs sécurisés et vérifiables.

Une nouvelle méthode pour améliorer la qualité des images rapidement en utilisant des modèles entraînés.

De nouvelles méthodes améliorent l'apprentissage des modèles en utilisant des échantillons négatifs efficaces dans les données de graphes.

Une nouvelle méthode améliore l'entraînement des modèles en créant des jeux de données synthétiques efficaces.

Cet article présente une méthode pour la détection et l'explicabilité des revues de spam en temps réel.

SiT améliore la capacité des agents à généraliser dans l'apprentissage par renforcement grâce à la symétrie et à l'attention.

SecureSpectra propose une nouvelle façon de protéger l'identité audio contre les menaces des deepfakes.

Un aperçu de comment les réseaux linéaires apprennent et évoluent pendant l'entraînement.

ERIC propose un moyen efficace de mesurer les similarités entre les graphes avec une précision améliorée.

ATLAS améliore la sélection des données sismiques en utilisant l'apprentissage actif et des décalages de représentation.