Informatique - Apprentissage automatique

Une nouvelle méthode simplifie la sélection de variables dans de grands ensembles de données.

Un aperçu des défis d'injectivité et des méthodes dans les couches ReLU des réseaux de neurones.

Une méthode pour améliorer la collecte de données pour les systèmes qui évoluent avec le temps.

Les agents améliorent leur adaptabilité et leur efficacité en utilisant des modèles abstraits pour la planification et l'apprentissage.

La recherche avance des méthodes pour une navigation robotique plus sûre en utilisant des techniques d'estimation de l'incertitude.

Un nouveau cadre améliore l'efficacité d'apprentissage dans les systèmes multi-agents grâce à une modélisation du monde innovante.

Un nouveau cadre combine récompenses et contraintes dans l'apprentissage par renforcement.

Une nouvelle mesure de dissimilarité améliore l'apprentissage par transfert dans des distributions de données variées.

Explorer comment les puits d'attention impactent la performance des modèles de langage et introduire une technique d'étalonnage.

Un nouveau cadre améliore la façon dont les grands modèles de langage peuvent fonctionner sur des appareils edge.

Une nouvelle approche modulaire améliore l'inférence variationnelle dans les langages de programmation probabilistes.

Analyser la performance des modèles d'IA sur des problèmes de maths pour enfants révèle des lacunes importantes.

Ce document examine comment le transfert de connaissances améliore la précision des modèles génératifs.

Explorer comment l'IA transforme le paysage des énergies renouvelables pour plus d'efficacité.

Examiner la nécessité de meilleures règles pour l'IA dans la santé.

Un nouveau cadre améliore la modélisation des systèmes physiques complexes en utilisant la symétrie discrète.

Méthodes pour réduire l'utilisation de la mémoire lors du fine-tuning de gros modèles.

Apprends comment la confidentialité différentielle protège les données individuelles tout en permettant une analyse utile.

Une plateforme standardisée pour tester des algorithmes d'apprentissage dans le contrôle aux limites des équations différentielles partielles.

Un nouvel algorithme améliore l'estimation de fréquence et l'identification des gros utilisateurs dans les réseaux.

Une nouvelle méthode améliore l'efficacité de l'apprentissage des robots grâce à une meilleure interaction avec les humains.

Cet article examine comment certains neurones influencent l'incertitude dans les prédictions des modèles de langage.

Ce papier présente une méthode pour évaluer les modèles de langage à travers différents prompts.

Présentation de DARE, une méthode pour améliorer l'apprentissage automatique sans oublier les anciennes connaissances.

Les chercheurs améliorent les modèles de diffusion avec des modèles de cohérence plus rapides, tout en gardant la qualité.

Une nouvelle approche améliore la prise de décision en fournissant des changements d'input fiables.

Un nouveau jeu de données évalue la performance des LLM dans la résolution de problèmes liés aux graphes.

Un nouveau cadre améliore les techniques de génération de graphes moléculaires pour la découverte de médicaments.

De nouvelles méthodes améliorent les compétences de raisonnement des modèles de langage pour de meilleures performances sur les tâches.

TimeAutoDiff propose de nouvelles solutions pour créer des données de séries temporelles synthétiques réalistes.

Un nouveau modèle combine des données audio et visuelles pour une meilleure compréhension.

L'inférence par boîte englobante améliore la prise de décision dans l'apprentissage par renforcement basé sur des modèles.

De nouvelles méthodes améliorent la navigation des drones et leur sécurité dans des environnements complexes.

Fairpriori améliore les tests de justice en apprentissage automatique, en se concentrant sur le biais intersectionnel.

neuROSym améliore la capacité des robots à prédire les actions humaines en temps réel.

Utiliser les données de recherche pour prédire les ventes de voitures et les taux de grippe.

Un nouveau cadre s'attaque aux préférences changeantes des chercheurs d'emploi et améliore la précision des recommandations.

Un aperçu du concept de dérive et des méthodes de détection non supervisées.

L'IA change la façon dont les scientifiques abordent des défis de recherche complexes.

Une nouvelle suite de benchmarks améliore l'efficacité et l'efficacité de l'autotuning des compilateurs.