Derniers articles pour Intelligence Artificielle

Cet article parle de nouvelles méthodes pour expliquer les décisions de l'IA dans la détection d'objets.

AbstractBeam améliore la synthèse de programmes, en s'appuyant sur une génération de code efficace grâce à l'apprentissage de bibliothèques.

Présentation d'une méthode efficace basée sur des arbres pour la classification multi-étiquettes qui gère l'incertitude.

Enquêter sur les effets de LoRA sur l'équité entre différents groupes dans l'apprentissage automatique.

De nouvelles méthodes améliorent la détection des échantillons atypiques dans des environnements de données mixtes.

Explorer l'algorithme Q-learning à deux échelles dans l'apprentissage par renforcement de champ moyen.

SADA améliore la stabilité de l'entraînement dans l'apprentissage par renforcement visuel avec des techniques avancées d'augmentation de données.

Explore le rôle de la mémoire et du contexte dans l'amélioration de l'apprentissage machine.

Une nouvelle méthode réduit le temps et le coût de formation des modèles de diffusion.

ThReaD améliore la performance des LLM sur des tâches complexes grâce à une gestion dynamique des threads.

Combiner des examinateurs humains avec des LLMs améliore les évaluations de la recherche biomédicale.

Cette étude explore comment les DNN apprennent et s'adaptent grâce à l'entraînement.

Exploiter des modèles à sortie anticipée pour un apprentissage fédéré efficace dans les systèmes ASR.

Cet article examine les risques d'ajuster les modèles de langage pour la sécurité.

Une étude évalue comment les modèles quantiques et classiques réagissent aux attaques adversariales.

De nouvelles méthodes améliorent l'efficacité de l'attribution des données d'entraînement dans les modèles d'IA.

SynCx améliore la découverte d'objets en utilisant des poids à valeurs complexes et un traitement itératif.

FedHPL améliore l'efficacité de l'apprentissage fédéré tout en garantissant la confidentialité des données sur les appareils.

Améliorer la qualité de la génération de texte en choisissant des exemples plus clairs.

CoVScreen améliore le diagnostic du COVID-19 en utilisant des radiographies thoraciques et des techniques d'apprentissage profond.

Une nouvelle méthode permet le transfert de modules LoRA avec des données synthétiques, réduisant ainsi la dépendance aux données originales.

GenWarp génère de nouvelles vues à partir d'images uniques tout en préservant les détails essentiels.

Nouvelle méthode qui fait avancer le transfert de maquillage sans images truquées, améliorant la qualité et le réalisme.

WeiPer améliore la détection des distributions hors normes dans les modèles de machine learning en ajustant les poids.

DSAM offre une nouvelle perspective sur la connectivité du cerveau en utilisant des techniques avancées d'apprentissage profond.

Cet article examine comment l'apprentissage automatique estime les effets du traitement dans les études sur le comportement des fourmis.

Une nouvelle méthode améliore les performances du modèle en utilisant des données avec des étiquettes bruyantes.

Une méthode pour trouver des stratégies dans les MDP sans connaissance préalable.

Une nouvelle technique d'élagage de couches améliore l'efficacité et la précision du modèle.

MotionLLM crée des mouvements humains à partir de texte pour des scénarios à une ou plusieurs personnes.

Explore comment des programmes informatiques peuvent être générés automatiquement pour répondre à des besoins spécifiques.

Un modèle simplifié pour une navigation efficace en utilisant des instructions en langage naturel.

SpeechVerse fait le lien entre la compréhension audio et le traitement du langage pour améliorer l'interaction humain-ordinateur.

Une nouvelle fonction de perte améliore les données tabulaires synthétiques en utilisant des GANs pour la recherche médicale.

Cet article examine comment les modèles de langage apprennent à comprendre et à communiquer.

Explore comment PG-RAG améliore la récupération de connaissances pour les modèles de langage.

Un aperçu du rôle des Graphes de Connaissances dans l'organisation des informations incertaines.

Un aperçu de comment les exemples adversariaux défient les modèles d'IA.

Inclure des données non anglophones améliore la performance des modèles vision-langage et la compréhension culturelle.

Le modèle CATS remet en question les approches traditionnelles de prévision des séries temporelles en utilisant l'attention croisée.