Informatique - Apprentissage automatique

Ce travail examine comment les LLM améliorent la détection de vulnérabilités dans le code Java.

De nouvelles méthodes combinent la découverte causale et l'apprentissage par renforcement pour obtenir de meilleures insights.

Un aperçu de la théorie essentielle derrière les modèles d'apprentissage profond.

Combiner un mélange d'experts et une recherche d'arbre de Monte Carlo pour une meilleure performance aux échecs.

Un aperçu pour améliorer la prise de décision grâce à des approximations de fonction de valeur plus rapides.

Explore la méthode SSAR pour améliorer les prévisions de séries temporelles dans différents domaines.

ACAI simplifie la gestion des données et l'exécution des tâches pour les pros du machine learning.

Examen des défis d'équité dans les GNNs face à des distributions de données en changeant.

Une approche de deep learning pour analyser efficacement les fibres et les vaisseaux du bois.

Cette étude souligne l'importance des ensembles de données fiables pour la détection des anomalies dans le trafic réseau.

Le modèle DiffRI améliore l'inférence relationnelle dans les systèmes complexes en utilisant des techniques de diffusion.

Un nouveau modèle vise à améliorer l'équité dans les systèmes de recommandation tout en gardant la précision.

Ce papier examine les injections de prompts et leurs implications pour les modèles d'IA.

Cet article parle des risques de confidentialité et de sécurité dans les services d'IA basés sur le cloud.

Une nouvelle approche s'attaque à l'adaptation de domaine et à l'oubli dans l'apprentissage automatique.

Présentation de CLML : une approche cohérente pour l'apprentissage multi-label.

Combiner l'apprentissage contrastif avec des complexes simpliciaux améliore la représentation et l'analyse des données.

Une nouvelle méthode combine la régression symbolique verticale et l'apprentissage profond pour une meilleure découverte d'équations.

Examiner le rôle de l'IA générative dans l'éducation des patients pour les maladies graves.

Une nouvelle approche améliore l'apprentissage fédéré en s'attaquant efficacement aux clients lents.

De nouvelles méthodes améliorent la conception de l'ARN pour une meilleure stabilité et fonctionnalité.

Un aperçu de comment MP-SL aide les appareils dans l'apprentissage machine tout en garantissant la vie privée.

Ce taf améliore les méthodes de désapprentissage machine pour une meilleure vie privée des données et plus d'efficacité.

Utiliser des méthodes de ML pour améliorer la détection de la maladie d'Alzheimer grâce à des stratégies de données.

La recherche combine les variétés de Fano et l'apprentissage machine pour la classification géométrique.

Ce papier parle d'améliorer l'optimisation stochastique grâce à l'échantillonnage de données récurrent et des méthodes de régularisation.

Une nouvelle approche vise à classifier la maladie d'Alzheimer en utilisant plusieurs types de données.

Une nouvelle méthode améliore la génération de tests en utilisant de grands modèles de langage pour une meilleure couverture.

Utiliser l'analyse de survie pour améliorer la maintenance des roulements à billes et réduire le temps d'arrêt des machines.

RAPTOR améliore notre façon de récupérer et de résumer des infos à partir de textes compliqués.

Examen des risques des attaques par backdoor sur les systèmes de vérification vocale.

Présentation d'un cadre pour des représentations graphiques personnalisables dans l'analyse de code.

Des chercheurs développent de nouvelles techniques pour le stockage efficace de données ADN et la gestion des erreurs.

PLSM réduit la complexité dans les modèles mondiaux de l'IA pour de meilleures prévisions.

L'apprentissage multi-similarité par graphe améliore la découverte de médicaments grâce à des relations moléculaires flexibles.

Cette recherche se concentre sur la modélisation prédictive équitable en tenant compte des structures de groupes hiérarchiques.

Cet article examine l'impact des caractéristiques des jeux de données sur la précision des modèles d'apprentissage automatique.

Cette étude examine comment les modèles de langage reflètent les biais des enfants dans la résolution de problèmes mathématiques.

Recherche sur l'amélioration des modèles d'apprentissage continu grâce à la sensibilité à l'ordre des tâches et des classes.

Cet article parle de l'impact de la sous-déclaration des données sur l'équité des modèles prédictifs.