Derniers articles pour Apprentissage automatique

Présentation d'une méthode pour améliorer la résilience des systèmes d'IA grâce à des attaques adversariales multitâches.

De nouvelles méthodes améliorent les prévisions pour les sinistres d'assurance en s'attaquant aux problèmes de surreprésentation des zéros.

Un nouveau modèle pour comprendre les environnements 3D en utilisant des descriptions textuelles.

Découvre comment la taille du vocabulaire influence la performance des gros modèles de langage.

Examiner la confidentialité différentielle et la régression NTK pour protéger les données des utilisateurs dans l'IA.

Explore les avantages et la dynamique de l'utilisation de Poisson SGD pour l'entraînement des modèles.

Cette étude compare des méthodes pour détecter des positions sur des sujets clés dans des textes arabes.

Une explication de comment les transformers gèrent le problème du 2-SAT en IA.

Cet article traite des problèmes de mauvaise calibration dans les modèles vision-langage et propose des solutions.

Une nouvelle approche pour améliorer le détail et la qualité des modèles 3D à partir de texte.

Une nouvelle méthode prédit les ventes de produits pendant les événements achalandés en utilisant des données proxy.

Une étude sur à quel point les LLMs fonctionnent comme des bases de connaissances fiables.

Qalam offre une meilleure reconnaissance pour le texte et l'écriture arabe.

Le Dynamic Semantic Adjuster améliore les performances d'apprentissage auto-supervisé sur plusieurs tâches.

Présentation de nouveaux algorithmes pour un ajustement de plan robuste dans les applications 3D.

Utiliser des GNN pour prédire les propriétés optiques des matériaux améliore la conception des dispositifs.

Une étude sur l'optimisation des agents RL par une sélection soigneuse des instances d'entraînement.

Découvre comment l'approximation de rang faible simplifie les grandes matrices et améliore les calculs.

Examiner les problèmes avec les grands modèles de langage pour prédire les éléments manquants d'une liste.

Cette recherche améliore l'efficacité de la traduction automatique simultanée grâce à des composants modulaires adaptables.

De nouvelles méthodes basées sur le langage améliorent l'apprentissage des robots pour plusieurs tâches.

Des recherches montrent des similitudes dans les représentations internes des modèles d'images.

Cet article parle de comment les méthodes bayésiennes améliorent la confiance dans les prédictions des réseaux de neurones.

Un nouveau repère met en lumière les hallucinations dans les modèles de langage visuel.

Un nouveau modèle améliore la prédiction de trajectoire pour les voitures autonomes dans des conditions variées.

Une méthode pour optimiser la collecte de données patients pour de meilleurs résultats de santé.

CycleMix améliore les modèles d'IA en mélangeant les styles d'images pour de meilleures performances.

Un nouveau module améliore la navigation des robots en estimant l'incertitude dans la segmentation d'images.

Cet article explore comment les robots perçoivent et interagissent avec leur environnement.

Un nouveau modèle identifie efficacement l'auteur en analysant les styles d'écriture.

LIAR propose une nouvelle façon de tailler des modèles sans les réentraîner, améliorant l'efficacité et la performance.

DACCA améliore la détection de voies grâce à un meilleur apprentissage des caractéristiques et à une agrégation de contexte.

Cet article examine l'impact de RVV sur la performance des algorithmes ANN pour un traitement des données plus rapide.

Comprendre l'importance d'auditer les explications de l'apprentissage automatique pour la confiance.

Une nouvelle méthode améliore l'inférence de vérité dans le crowdsourcing en se concentrant sur le comportement des travailleurs.

Un nouvel outil pour évaluer les LLM dans les tâches de mining de processus.

Un nouveau modèle utilise l'apprentissage profond pour améliorer les performances dans l'analyse de données tabulaires.

De nouvelles méthodes améliorent l'analyse de la variation génétique en utilisant des séquences d'arbres et de l'apprentissage automatique.

Présentation de SPLITZ, une méthode pour améliorer la stabilité des modèles d'IA face aux exemples adverses.

RAG combine la récupération de données et la génération de texte pour améliorer la performance des modèles de langage.