Informatique - Apprentissage automatique

Les chercheurs améliorent les processus de biom fabrication en utilisant l'inférence bayésienne et des techniques d'échantillonnage efficaces.

Une nouvelle approche améliore les modèles de langage en se concentrant sur les préférences humaines dans la génération de texte.

Une nouvelle méthode permet aux agents de suivre les règles de sécurité en langage simple.

Un nouveau système qui améliore l'efficacité d'apprentissage des robots en utilisant des vidéos et des retours en langage.

Un nouveau modèle pour prendre de meilleures décisions en utilisant des données historiques.

Cet article parle des défis du fine-tuning en few-shot des modèles de diffusion et des solutions.

De nouvelles méthodes luttent contre les attaques par backdoor sur les modèles d'apprentissage automatique pour plus de sécurité.

Apprends à identifier les systèmes linéaires qui changent de comportement en fonction des données.

Cette étude examine comment on peut apprendre des préférences à partir de comparaisons simples.

Un système unifié améliore l'efficacité dans les applications basées sur les LLM.

Présentation d'un modèle qui génère de l'audio et de la vidéo synchronisés avec des niveaux de bruit mélangés.

Examiner le rôle des agents LLM dans la résolution de problèmes du monde réel.

Une nouvelle méthode appelée ADEPT améliore l'apprentissage par renforcement hors ligne grâce à des modèles adaptatifs.

Une nouvelle méthode améliore l'efficacité du fine-tuning et réduit l'utilisation de mémoire pour les grands modèles de langage.

Preference Flow Matching propose une nouvelle façon d'aligner les résultats de l'IA avec les préférences des utilisateurs.

Un aperçu des rôles de l'injectivité et de la surjectivité dans les réseaux ReLU.

Une nouvelle méthode pour améliorer le suivi des instructions d'image des modèles multimodaux.

Une nouvelle approche pour gérer le déséquilibre de classes en utilisant SMOTE et des autoencodeurs variationnels.

Cette étude montre comment les autoencodeurs clairsemés créent des représentations de mémoire ressemblant à des cellules de lieu.

Analyser les réponses individuelles aux traitements en utilisant le Causal K-Means Clustering.

Voici MaCoDE, une méthode pour créer des données synthétiques de haute qualité.

Une nouvelle approche améliore les performances du modèle avec différentes sources de données.

LInK combine l'apprentissage automatique avec des méthodes traditionnelles pour améliorer significativement la conception des mécanismes.

PadFL améliore le partage de modèles et l'efficacité selon les capacités des appareils.

Une nouvelle approche de l'apprentissage par renforcement hors ligne améliore l'apprentissage des politiques en utilisant des modèles de diffusion.

Cet article parle d'utiliser des modèles plus petits pour affiner les données d'entraînement afin d'améliorer les performances.

Ce boulot met en avant les risques de sécurité dans le RL et introduit les SleeperNets pour les attaques par porte dérobée.

Ce système aide les personnes malvoyantes à faire leurs courses plus indépendamment grâce à une canne robotique.

Enquête sur comment de petites erreurs dans les données d'entraînement améliorent le contenu généré par l'IA.

Une nouvelle méthode améliore la génération de molécules pour prédire la réponse aux médicaments.

Cet article parle d'un nouveau modèle simple pour générer du son à partir d'images et vice versa.

Une approche claire pour choisir le bon modèle d'apprentissage automatique.

Un nouveau standard pour évaluer les modèles de langue française améliore les capacités multilingues.

Cette étude montre comment des points de données individuels affectent les performances des modèles d'apprentissage automatique.

Apprends comment HGQ optimise les modèles de deep learning pour la vitesse et la précision.

L'apprentissage fédéré entraîne des modèles tout en gardant les données des utilisateurs privées et sécurisées.

Une nouvelle méthode améliore la compréhension des résultats des modèles de langage.

Un nouveau modèle relie l'apprentissage automatique et les neurosciences en utilisant des comptes de pics discrets.

Des recherches montrent que des instructions variées améliorent la performance des modèles de langage sur des tâches inédites.

Une nouvelle méthode augmente la vitesse de génération de texte en utilisant une sélection de candidats adaptative.