À proposTopCours
← heapsort-ai

AI Research

146 items

RESEARCHarXiv CS.LG·22/04/2026

Compile to Compress: Boosting Formal Theorem Provers by Compiler Outputs

Cette recherche introduit un nouveau cadre d'apprentissage pour raffiner, visant à réduire le coût de calcul prohibitif des Grands Modèles de Langage (LLM) dans la preuve formelle de théorèmes. En exploitant les sorties des compilateurs qui compressent diverses tentatives de preuve en modes d'échec structurés, la méthode permet une exploration efficace des preuves et une correction locale des erreurs, amplifiant significativement les capacités de raisonnement des prouveurs de base.

ScalabilityLLMsTheorem ProvingFormal verification
27
RESEARCHarXiv CS.AI·06/05/2026

Programmatic Context Augmentation for LLM-based Symbolic Regression

Cet article présente un nouveau cadre de recherche évolutive basé sur les LLM pour la régression symbolique, palliant les limites des méthodes existantes qui reposent uniquement sur des métriques d'évaluation scalaires. Il intègre l'augmentation contextuelle programmatique pour permettre l'analyse de données basée sur le code et une extraction d'informations plus riche, visant à améliorer la découverte d'expressions mathématiques.

data analysisSymbolic RegressionAI ResearchLLM
27
RESEARCHarXiv CS.LG·il y a 27j

Hierarchical Multi-Scale Graph Neural Networks: Scalable Heterophilous Learning with Oversmoothing and Oversquashing Mitigation

L'article présente Hierarchical Multi-view HAAR (HMH), un nouveau cadre d'apprentissage spectral de graphes conçu pour mitiger le sur-lissage et l'agrégation biaisée dans les GNN hétérophiles. HMH construit une hiérarchie de graphes douce et applique des filtres spectraux apprenables avec des bases de Haar, atteignant une scalabilité quasi-linéaire.

HeterophilyGraph Neural Networksmachine learningSpectral Graph Theory
27
RESEARCHarXiv CS.CL·il y a 21j

SKG-Eval: Stateful Evaluation of Multi-Turn Dialogue via Incremental Semantic Knowledge Graphs

SKG-Eval s'attaque au défi de l'évaluation des systèmes de dialogue multi-tour en modélisant le dialogue comme un Graphe de Connaissance Sémantique (SKG) évolutif. Ce cadre met à jour le graphe de manière incrémentale par l'extraction de triplets structurés pour détecter des problèmes à long terme tels que la contradiction et l'incohérence, offrant une évaluation améliorée au-delà des représentations isolées par tour.

Knowledge GraphsNatural Language ProcessingEvaluation Metricsdialogue systems
27
ARTICLEDEV.to AI·07/05/2026

From Agentic AI to Adaptive A*: What Modern AI Research Taught Me About Intelligent Systems

Cet article explore l'évolution de l'intelligence artificielle à travers deux articles de recherche récents sur l'IA Agente et l'algorithme A* adaptatif. L'auteur réfléchit à la façon dont les cours d'IA et des outils comme Google NotebookLM aident à relier les concepts théoriques aux systèmes intelligents du monde réel.

search algorithmslearningIntelligent SystemsAgentic AI
27
RESEARCHDEV.to AI·il y a 15j

François Chollet 谈 AGI 未来

François Chollet discute l'avenir de l'AGI, prévoyant son arrivée vers 2030, et présente la mission du laboratoire NDI de développer un nouveau paradigme d'apprentissage automatique "optimal" basé sur la synthèse de programmes symboliques. Il critique les limitations de l'apprentissage profond et décrit la stratégie à haut risque et haute récompense de NDI pour l'avancement fondamental de l'IA.

AGIdeep learningSymbolic AIBenchmarks
27
ARTICLEDEV.to AI·il y a 9j

Start Here: My AI Memory Research So Far

L'auteur décrit son parcours de recherche sur la mémoire de l'IA, détaillant quatre étapes de découvertes concernant le fonctionnement et les défis de ces systèmes. Il explore la survie de la mémoire après les réinitialisations, l'importance de la mémoire de correction, la relation entre la précision de récupération et la sécurité, et la distinction cruciale entre pertinence et autorité dans la mémoire de l'IA.

Memory SystemsInformation RetrievalAI ResearchAI agents
27
ARTICLEDEV.to AI·il y a 24j

Understanding AI-Moderated Interviews: Where AI Meets Human Insight

Les entretiens modérés par l'IA révolutionnent les études de marché, permettant aux entreprises de recueillir des réponses riches et nuancées auprès d'un grand nombre de personnes simultanément. Cette technologie combine l'intelligence artificielle avec la recherche conversationnelle pour combler l'écart entre l'échelle et la profondeur dans la compréhension du comportement humain.

human insightqualitative researchAI ResearchConversational AI
27
RESEARCHDEV.to AI·il y a 26j

Uncertainty Estimates of Predictions via a General Bias-Variance Decomposition

Une nouvelle décomposition générale biais-variance pour les règles de notation strictement propres a finalement été introduite dans un article AISTATS 2023 par Gruber & Buettner. Cette avancée offre des outils pratiques pour comprendre les modèles d'ensemble, construire des régions de confiance et améliorer la détection des entrées hors distribution, comblant une lacune de longue date dans l'estimation de l'incertitude.

Bias-Variancemachine learningUncertainty EstimationScoring Rules
27
RESEARCHarXiv CS.CL·05/05/2026

H-Probes: Extracting Hierarchical Structures From Latent Representations of Language Models

Cet article introduit les H-probes, des sondes linéaires conçues pour extraire la structure hiérarchique, notamment la profondeur et la distance par paire, des représentations latentes des grands modèles de langage. La recherche montre que ces sondes identifient de manière robuste des sous-espaces de faible dimension essentiels à la performance dans les tâches de parcours d'arbres synthétiques, avec une bonne généralisation intra et inter-domaines.

language modelshierarchical reasoningrepresentation learningAI Research
27
RESEARCHarXiv CS.CL·01/05/2026

Semantic Structure of Feature Space in Large Language Models

Cette étude révèle que les relations géométriques entre les caractéristiques sémantiques dans les états cachés des LLMs reflètent fidèlement les associations psychologiques humaines. La recherche montre que les projections de vecteurs de mots sur des axes sémantiques se corrèlent avec les évaluations humaines, et la similarité entre ces axes prédit l'interconnexion des échelles sémantiques.

LLMscognitive sciencesemantic representationNLP
27