Informatique - Intelligence artificielle

Cet article parle d'améliorer les files d'attente prioritaires en utilisant des modèles de prédiction pour plus d'efficacité.

LaT-PFN améliore les prévisions en utilisant du contexte et des données synthétiques pour les prédictions.

Présentation d'un cadre pour améliorer la prise de décision des agents linguistiques pendant des tâches complexes.

Une étude présente un nouveau critère pour évaluer la performance des prompts dans la création et la récupération d'images.

De nouvelles stratégies améliorent l'apprentissage par renforcement profond face au bruit adversarial.

Utiliser l'IA pour automatiser la vectorisation, améliorer l'efficacité et la justesse du code.

Explorer le feedback limité dans les tâches de classification en apprentissage automatique.

Examiner comment les outils d'IA transforment l'enseignement et l'apprentissage.

Explorer les forces et les faiblesses des LLM pour différentes tâches business.

QCQA améliore les modèles de langage en optimisant l'utilisation de la mémoire tout en gardant la précision.

Nouveau cadre qui permet un apprentissage efficace des maladies sans stocker les données passées.

Une étude sur l'efficacité de différents modèles légers dans la classification d'images.

Apprends-en plus sur le glaucome, ses types et l'importance de la détection précoce.

Un nouveau jeu de données aide à repérer le contenu subjectif dans les articles de news en arabe.

Une nouvelle méthode améliore les attaques ciblées en utilisant des échantillons faciles dans les réseaux de neurones.

Le promptage bayésien améliore le raisonnement des modèles de langage et leur gestion de l'incertitude.

Explorer comment les appareils peuvent collaborer pour une meilleure efficacité et performance.

Analyser les modèles existants révèle des infos sur les tendances de performance des modèles de langage à mesure qu'ils grandissent.

Un nouveau cadre améliore l'efficacité et la performance de la reconnaissance des entités nommées.

Le nouveau cadre de signal améliore l'efficacité et la fiabilité dans la communication IIoT.

Les modèles de diffusion de chaos en champ moyen améliorent la génération de données pour des applications à haute cardinalité.

LEMMA-RCA fournit des infos précieuses pour analyser les pannes de système.

Cette étude évalue la capacité de GPT-4 à extraire des données de la littérature sur les matériaux.

Cet article examine les améliorations des SSM pour résister aux perturbations adversariales.

Une approche structurée pour un design et une validation de l'IA responsable.

Un nouveau modèle génère de la musique en utilisant à la fois des infos textuelles et visuelles.

Cette étude évalue comment GPT-4 aide dans les tâches de rétro-ingénierie.

Une nouvelle approche améliore l'extraction de relations en utilisant la mémoire pour traiter des données bruyantes.

Des recherches montrent comment la démographie influence les opinions sur l'équité dans la modération de contenu par l'IA.

STARLING crée des jeux textuels variés pour améliorer les capacités d'apprentissage des agents RL.

Combiner la génération d'images et la recherche pour un meilleur accès à l'information visuelle.

Cet article examine comment les formes internes dans les modèles de langue évoluent pendant leur processus d'apprentissage.

RE-RAG améliore les systèmes de QA en utilisant un estimateur de pertinence pour plus de précision.

Une nouvelle façon de créer des images de haute qualité en utilisant moins d'étapes.

Gentle-CLIP améliore l'alignement des données en utilisant de nouvelles méthodes et réduit le besoin de données étiquetées.

Apprends comment l'analyse de sensibilité globale améliore la compréhension des modèles complexes.

Présentation des champs neuronaux équivariants pour une meilleure interprétation et manipulation des données.

Le nouveau modèle ARDiT améliore la synthèse vocale et l'édition de la parole.

Une nouvelle méthode améliore l'apprentissage continu en IA en réduisant l'oubli.

Une nouvelle méthode améliore la création de modèles 3D à partir d'images multi-vues.