Graphes, causalité et raisonnement symbolique

Ce dossier rassemble douze travaux qui partagent une même question : qu'est-ce qu'un système doit représenter explicitement pour que son raisonnement soit vérifiable ? Les uns construisent des graphes de concepts ou de relations et cherchent à les transférer d'un domaine à l'autre. Les autres remplacent une partie du calcul statistique par des structures symboliques : propositions atomiques, règles Prolog, relations d'intervalles temporels, contraintes de support physique. D'autres encore mesurent ce qu'une représentation détruit avant même qu'une métrique soit calculée.

Ils se lisent ensemble parce qu'ils butent sur le même compromis. Rendre une décision inspectable coûte presque toujours quelque chose : de la précision linguistique, du rappel, du kappa, de la couverture. Plusieurs des papiers réunis ici chiffrent ce coût au lieu de l'affirmer. Un travail sur l'inférence textuelle mesure 1,9 point d'accuracy perdus sur SNLI quand le classifieur ne lit plus le texte. Un travail sur la reconnaissance de douleur animale mesure une perte de 0,05 à 0,10 en kappa quand le classifieur ne lit plus que des scores conceptuels. Un cadre multi-agents de découverte causale gagne en rappel et en F1 moyens, mais produit davantage de faux positifs.

Le lecteur en retire deux choses. D'abord un inventaire des mécanismes disponibles pour ancrer un raisonnement dans une structure contrôlée : codebook de schéma, atlas relationnel, goulot d'étranglement conceptuel, posets étiquetés, algèbre d'intervalles probabiliste. Ensuite une grille de prudence, parce que la plupart de ces résultats sont des preprints évalués sur des jeux de données restreints, et que les sources le disent elles-mêmes.

Ce qu'une connaissance doit déclarer pour être opérable

Dans Semantic Knowledge Technologies, Achille Zappa part d'un constat sur l'infrastructure existante. RDF, OWL et SPARQL ont fourni des standards utiles, mais un triplet isolé ne suffit pas à rendre une connaissance raisonnable par une machine. Une affirmation devrait aussi indiquer dans quelles conditions elle vaut, d'où elle vient, et ce que le système sait réellement couvrir.

Le preprint fixe cinq tests mesurables pour parler d'une compréhension technique : vérifier une affirmation, relier ses termes, en dériver des conséquences traçables, agir via les opérations associées, et délimiter la couverture, l'actualité et la confiance. Il décrit ensuite sept couches. Les premières portent sur les affirmations qualifiées, les termes exécutables et la couverture déclarée ; les suivantes sur les capacités de raisonnement et la restitution. L'auteur introduit également les notions de Large Knowledge Model et de base construite par un agent à partir de sources déclarées.

La lecture éditoriale que la source propose concerne les pipelines RAG : conserver la provenance et les conditions avec le passage, au lieu de réduire chaque source à un texte sans contexte. Un agent pourrait alors signaler non seulement qu'il n'a rien trouvé, mais aussi que sa base ne couvre pas la période demandée, ou que l'affirmation retrouvée est conditionnelle.

La source est explicite sur son statut. Il s'agit d'un programme de recherche et d'une architecture proposée, pas d'une évaluation comparative d'un système complet. Le choix des dimensions de contexte et des vocabulaires reste dépendant du domaine, et les cinq tests sont une grille de falsifiabilité proposée par l'auteur, pas une preuve que les systèmes actuels la satisfont.

Un graphe de concepts qui vieillit avec son corpus

Un concept scientifique change de voisinage et de sens à mesure que de nouveaux articles paraissent. Garder une représentation sémantique ancienne tout en actualisant le graphe des connexions mélange deux états du corpus. Le preprint Time-Aligned Evolving Concept Graphs for Scientific Relation Forecasting reconstruit les informations sémantiques et structurelles jusqu'à la même date avant de prédire une relation future.

Le modèle traite trois tâches liées : la première co-occurrence d'un couple de concepts, la formation d'une relation scientifique, et le type de cette relation. Le graphe conserve des relations orientées comme « utilise », « combine », « remplace » ou « contredit », avec une preuve et une confiance associées. Les occurrences de concepts sont encodées avec SciDeBERTa, puis un état récent est rejoué sur les vingt dernières occurrences visibles. En parallèle, GraphSAGE et une convolution relationnelle représentent les voisinages de co-occurrence et de relations.

Le corpus de vision par ordinateur contient 187 848 articles, 270 687 concepts, 7 452 716 liens de co-occurrence et 580 615 couples avec relation scientifique. Sur le test, la population de couples admissibles atteint 24,90 milliards et la prévalence des relations est de 1,9 × 10^-6. Avec trois graines, la version qui rafraîchit le contexte atteint un AUROC de 0,9722 et une AUPRC pondérée de 0,005778, contre 0,9709 et 0,004955 pour la variante au contexte figé. L'AUPRC progresse de 16,6 % dans l'ablation contrôlée, et le modèle complet améliore l'AUPRC de 70,7 % par rapport à GraphMixer.

Les auteurs posent leurs réserves : échantillonnage, rareté des positifs, corpus et définition des positifs spécifiques à la vision par ordinateur. Une partie des relations est produite par un pipeline d'extraction puis auditée, donc le score n'est pas une vérité indépendante.

Un atlas relationnel pour transférer entre graphes hétérogènes

Les graphes issus de domaines différents n'ont pas les mêmes nœuds, les mêmes relations ni les mêmes coordonnées. SCGFM-ART propose un atlas relationnel partagé vers lequel les graphes cibles sont transportés, tout en conservant des correspondances fines entre nœuds et rôles structurels.

Le mécanisme Amortized Relational Transport apprend à prédire les couplages graphe-atlas au lieu de recalculer un alignement complet pour chaque graphe à l'inférence. Le cadre combine des coordonnées globales de réponse de l'atlas et des correspondances locales qui préservent la topologie. C'est là que se joue l'économie annoncée : l'alignement cesse d'être un coût payé à chaque requête.

Les auteurs rapportent des performances few-shot de pointe sur 14 benchmarks de transfert au niveau nœud et graphe. Sur leurs expériences de scalabilité, l'inférence SCGFM-ART devient jusqu'à 974 fois plus rapide que SCGFM sur des graphes synthétiques de 1 024 nœuds. Sur les benchmarks réels, le résumé annonce des accélérations d'inférence gelée de 44,2× à 85,1×.

La lecture éditoriale de la source insiste sur un point de contrat : un agent qui réutilise un graphe pré-entraîné doit expliciter ce qui est transféré, coordonnées, relations, rôles, ou seulement des embeddings. L'atlas sert de repère commun, les correspondances locales évitent de réduire une structure hétérogène à un vecteur.

Les gains dépendent des datasets, du nombre de rôles et des configurations d'inférence comparées. Une performance few-shot sur 14 benchmarks ne garantit pas la conservation de relations importantes dans un domaine inédit. Le coût et la mémoire du pré-entraînement, comme la sensibilité à un atlas mal choisi, doivent être évalués séparément.

Ancrer un raisonnement latent dans le schéma des données

Pour répondre à une question sur une base de connaissances, un modèle doit choisir des relations et des classes, puis les composer en une forme logique exécutable. Guangze Gao, Zixuan Li, Sikui Zhang, Chunfeng Yuan, Wenjuan Li, Bing Li, Xiaolong Jin et Weiming Hu décrivent le risque d'une décision discrète prise trop tôt : une mauvaise relation intermédiaire contamine toute la requête.

SALR effectue plusieurs étapes de raisonnement dans les états cachés du modèle au lieu d'émettre immédiatement une chaîne de raisonnement textuelle. Ces états sont alignés avec un codebook d'éléments de schéma, à partir de traces dérivées des formes logiques correctes. Les codes de schéma servent ensuite de rétroaction pour guider les étapes suivantes et la génération de la forme logique. Le compromis cherché est de conserver une computation latente continue tout en la reliant à des objets vérifiables de la base. Dans les interventions rapportées, une information de schéma aléatoire dégrade les résultats, ce qui soutient l'idée que l'ancrage n'est pas décoratif.

Sur GrailQA et WebQSP, le résumé rapporte des gains réguliers par rapport à des baselines fortes. Sur les questions compositionnelles de GrailQA, SALR dépasse TIARA de 2,86 points de F1. Les auteurs rapportent aussi que l'information de schéma reste récupérable depuis les états latents.

La lecture éditoriale associée distingue trois défauts qu'un pipeline agentique confond souvent : mauvais élément de schéma, composition invalide, preuve absente. Côté limites, les évaluations portent sur GrailQA, WebQSP et les architectures étudiées ; les traces de schéma dérivées des formes logiques d'entraînement ne sont pas disponibles partout. C'est un preprint, et les gains ne valent pas garantie sur une base métier.

Le prix de l'interprétabilité dans l'inférence textuelle

Le papier Can We Do Interpretable NLI with Graphs Based on Atomic Propositions? s'attaque à l'inférence textuelle : décider si une hypothèse est impliquée, neutre ou contradictoire par rapport à une prémisse. Les auteurs veulent que le classifieur ne lise pas directement le texte au moment de décider, mais une représentation intermédiaire qui puisse être auditée.

La chaîne décompose les phrases en propositions atomiques, les convertit en triplets ConceptNet sous schéma JSON contraint, ajoute un sous-graphe récupéré, puis sérialise les trois graphes pour un modèle de 0,8 milliard de paramètres. Sur SNLI, elle atteint 89,7 % d'accuracy, soit 1,9 point de moins qu'un modèle texte entraîné de façon comparable. Sur ANLI, elle atteint 48,0 % contre 48,9 % sur R2 et 44,9 % contre 44,4 % sur R3, mais reste en retrait sur R1 ; l'écart global annoncé est de 9 à 14 points. Ajouter 600 000 paires de données n'apporte que 0,6 point sur ANLI, tandis que la combinaison texte plus graphe atteint 92,1 % sur SNLI.

Ces nombres donnent une forme chiffrée au compromis d'interprétabilité. Une représentation plus explicable peut perdre de l'information linguistique fine. La lecture éditoriale de la source est qu'un système de vérification peut accepter cette perte si chaque verdict doit être relié à des faits et relations visibles, mais qu'elle doit être mesurée séparément selon le type de cas traité.

Les scores dépendent de SNLI et ANLI, de l'atomiseur, du vocabulaire de 28 relations et de la sérialisation des graphes. Le papier ne démontre pas que tous les verdicts sont fidèles à une preuve humaine, ni que le même compromis se maintient sur des domaines spécialisés ou multilingues.

Une explication textuelle n'est pas forcément causale

Un modèle de reconnaissance de douleur peut produire une carte d'attention ou une phrase plausible sans utiliser réellement les concepts cliniques annoncés. Alam Noor et Miguel Gutiérrez Gaitán étudient ce problème sur l'échelle d'expression faciale de la douleur chez le mouton.

Leur premier modèle laisse chaque région faciale consulter des embeddings textuels de descripteurs cliniques. Les auteurs constatent que l'ablation d'un descripteur change à peine le logit, et que le signal le plus regardé correspond peu au niveau prédit. L'explication est donc décorative. Ils remplacent alors le bypass d'apparence par un goulot d'étranglement conceptuel dont le classifieur ne lit que des scores SPFES supervisés par région.

Le résumé indique une perte de 0,05 à 0,10 en kappa, mais une récupération de certains états minoritaires à 3,5 à 8,3 fois leur fréquence de base. Les ordres de sévérité des oreilles et des yeux émergent sans supervision directe de la sévérité. Retirer la supervision laisse le kappa stable tout en faisant tomber l'accuracy conceptuelle à 0,109, ce qui sépare nettement ce que le score global mesure de ce que le concept mesure.

La lecture éditoriale proposée par la source est qu'un agent explicatif devrait pouvoir montrer qu'un concept est nécessaire à sa décision, et pas seulement qu'il l'a mentionné. Ablation, perturbation et bottleneck complètent alors les explications textuelles.

Le protocole concerne un jeu d'images et un domaine vétérinaire précis. L'imbalance clinique rend les scores agrégés trompeurs, les résultats ne constituent pas un outil de diagnostic, et le document est un preprint.

Réduire les omissions dans les graphes causaux produits par LLM

Un modèle peut produire un graphe causal plausible tout en oubliant une relation pertinente. MaSCoD, présenté dans A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation, traite l'omission prématurée comme un objectif explicite. Le cadre organise d'abord des variables tierces candidates et des motifs structurels locaux, puis réalise le jugement sur les arêtes directes. La séparation vise à donner au jugement une liste d'alternatives structurées avant qu'il ne tranche.

Les auteurs évaluent Auto-MPG, DWD et Sachs avec GPT-5.4, puis répliquent avec GPT-4o. Ils comparent une configuration complète, une condition sans phase de pré-organisation, et des ablations partielles. L'objectif n'est pas de maximiser le rappel seul : un graphe qui conserve plus d'arêtes augmente aussi les faux positifs, donc rappel, F1 et taux de faux positifs doivent être lus ensemble.

Dans les six combinaisons jeu-modèle, la configuration complète obtient un rappel et un F1 moyens supérieurs à la condition sans phase 1, mais avec davantage de faux positifs. L'avantage sur toutes les bases n'apparaît que sur DWD avec GPT-5.4 et sur Sachs avec GPT-4o. Les ablations partielles ne sont pas toujours dominées par la configuration complète. Les auteurs montrent aussi que la réconciliation du graphe peut perdre des arêtes qui avaient survécu au jugement local.

L'évaluation porte sur trois petits jeux et trois répétitions par condition. Les graphes de référence ne sont pas des vérités causales vérifiées indépendamment, et l'hypothèse de score linéaire-gaussien de la réconciliation limite la portée. Les auteurs qualifient leurs résultats de descriptifs.

Quand une trace ne voit pas la concurrence

Deux services hospitaliers peuvent produire les mêmes séquences enregistrées tout en fonctionnant différemment. L'un réalise les analyses sanguines et l'imagerie en parallèle, l'autre les exécute l'une après l'autre, dans les deux ordres avec la même fréquence. Un journal réduit à des traces ne distingue pas les deux organisations, alors que leur besoin en ressources diffère.

Antony R. Lee, Peter Tiňo et Iain B. Styles formalisent cette perte d'information comme le noyau d'une représentation. Une métrique, même sophistiquée, ne peut pas récupérer une différence supprimée avant son calcul, et augmenter le nombre de traces ne résout pas une ambiguïté de représentation. Les auteurs représentent les variantes par des posets étiquetés, puis étudient plusieurs cartes : langage stochastique des traces, blocs de précédence, information de graphe. Des horaires de début et de fin, ou des journaux orientés objets indiquant les objets partagés, préservent une partie de l'ordre partiel. Pour estimer les poids d'une famille de processus, le papier donne une condition d'identifiabilité fondée sur le rang de la matrice des lois de traces, l'estimabilité étant mesurée par sa plus petite valeur singulière.

Dans un premier scénario simulé, une représentation par blocs récupère presque parfaitement les groupes quand la différence structurelle est visible : l'ARI atteint 0,98 au début du balayage. Les distances fondées uniquement sur les traces restent au niveau du hasard dans le bras où concurrence et sérialisation ont exactement le même langage. La flotte clinique simulée à partir de Synthea conserve un ARI de 1,000 avec une représentation qui garde l'ordre partiel, contre 0,615 après aplatissement en traces.

Les expériences sont simulées, faute d'un corpus réunissant clé de site, concurrence connue et modèle générateur. Les conclusions dépendent de la loi d'ordonnancement, de l'hypothèse d'exécutions indépendantes et de la règle qui déclare deux événements concurrents.

Raisonner sur le temps quand les frontières sont incertaines

Les agents extraient des événements depuis du langage, des bases ou des perceptions dont les dates et les durées sont incertaines. L'algèbre d'intervalles d'Allen fournit des relations qualitatives utiles, mais ses prédicats classiques supposent des frontières exactes. Julian Eggert propose une extension probabiliste et complète.

La Probabilistic Allen Algebra représente les points temporels par des variables gaussiennes et les durées par des variables positives obtenues en tronquant des latentes. Chaque relation devient un prédicat d'ordre des frontières dans un espace probabiliste commun, plutôt qu'un score assigné indépendamment. Les relations point-point ont des formes fermées ; les relations point-intervalle et intervalle-intervalle deviennent des probabilités d'orthant gaussien. Les relations de contact peuvent utiliser des frontières de confiance ou des noyaux d'appartenance souples, et la construction conserve les regroupements hiérarchiques des relations.

Le résumé annonce une invariance d'échelle et une partition complète à tolérance unique, qui retrouve l'algèbre crisp lorsque la tolérance tend vers zéro. Une implémentation ouverte et testée calcule directement les probabilités de relation.

La lecture éditoriale de la source porte sur la propagation de l'incertitude jusqu'à l'action. Un agent qui planifie à partir d'événements devrait distinguer « avant avec forte confiance » de « probablement avant », ce qui évite de transformer une extraction incertaine en précondition absolue. Une relation temporelle devrait être accompagnée de sa source, de sa tolérance et du seuil qui autorise l'action.

Les hypothèses de distributions et de tolérance influencent les probabilités obtenues. La méthode ne résout pas seule les erreurs d'extraction sémantique ni les contradictions entre sources. Le document est un preprint.

Passer d'une règle de circulation à une logique exécutable

Les règles de circulation sont écrites pour des humains et reposent sur un contexte partagé. Prolog demande au contraire une structure explicite. May Myo Zin, Wachara Fungwacharakorn, Ken Satoh et Katsumi Nitta évaluent une traduction guidée en quatre étapes.

S4L-Prolog extrait les rôles sémantiques, complète la scène, mappe les éléments vers une logique, puis génère les règles Prolog, le tout dans un même prompt guidé. Le framework est comparé à une traduction directe du langage naturel et à une traduction depuis un anglais logique. L'étape de complétion de scène est celle qui répond au problème de sous-spécification : elle rend visibles les hypothèses que le texte juridique laisse implicites.

Sur un benchmark de 20 règles de circulation réelles, S4L-Prolog formalise correctement 75 % des règles, contre 60 % pour la traduction directe et 55 % pour l'anglais logique. L'analyse qualitative rapporte une meilleure capture des relations causales implicites, de la modalité déontique et des exceptions.

La lecture éditoriale associée est qu'un agent qui transforme une politique en action devrait publier ses étapes intermédiaires : entités, hypothèses de scène, règles, exceptions. Cette structure rend la revue humaine possible et permet de refuser une règle quand le texte ne fournit pas assez d'information. Une sortie Prolog syntaxiquement valide n'est pas pour autant juridiquement correcte.

Le benchmark contient 20 règles et ne couvre ni la variété du droit ni les conflits de juridictions. Une formalisation correcte dans un cas ne vaut pas autorisation d'agir sans validation compétente, et le document est un preprint.

Faire raisonner un agent sur les chemins et les supports

Dans Camelot Jr., l'agent doit placer toutes les pièces, construire une structure stable et relier deux avatars par un chemin. Le preprint A Qualitative Model for Reasoning about Path and Support d'Abhishek Jaiswal et Zoe Falomir utilise des relations symboliques pour représenter les supports, les orientations et les déplacements. Les auteurs cherchent une forme de raisonnement lisible, capable de produire des indications adaptées à un joueur. Le modèle ne se contente pas de chercher une configuration gagnante : il formalise pourquoi un bloc peut soutenir un autre et pourquoi une transition est possible.

La couche qualitative décrit les affordances : surface plane, rampe, support valide, mouvements autorisés. Une logique numérique de centre de masse vérifie ensuite récursivement la stabilité des charges. Le solveur explore les placements par retour arrière et rejette les configurations qui échouent à la stabilité ou à la connectivité. La partie physique n'est donc pas confiée à un modèle statistique censé réinventer la contrainte.

Le papier indique que le solveur résout des configurations arbitraires dans l'espace du jeu. Les auteurs envisagent son usage comme moteur d'un tuteur intelligent, avec des indices adaptés à la tentative en cours, et proposent de mesurer la difficulté par le nombre de placements, d'orientations et de branches élaguées. Il s'agit d'un cadre de recherche, pas d'une preuve qu'un tel tuteur améliore déjà les apprentissages humains.

Le domaine est un jeu de construction spécifique. Les expériences avec des étudiants et l'extension à d'autres jeux physiques sont présentées comme travaux futurs, non comme des validations réalisées. La méthode ne démontre pas de généralisation automatique à d'autres environnements physiques.

Planifier un itinéraire selon des préférences, pas la distance

Le trajet le plus rapide n'est pas toujours celui que l'utilisateur préfère. Il peut vouloir réduire les péages, éviter une zone, limiter les changements ou respecter une contrainte sur un attribut précis. Customizable and Jointly Optimized Route Planning étudie comment apprendre ces préférences sans prendre une trajectoire observée pour une vérité absolue. Les auteurs soulignent un risque de boucle de rétroaction : une trajectoire enregistrée dépend déjà du service de navigation qui l'a proposée.

La méthode commence par une recherche de Dijkstra multi-objectifs hors ligne et collecte un ensemble de routes de Pareto, c'est-à-dire des candidates pour lesquelles aucun autre trajet n'est meilleur sur tous les objectifs considérés. Cet ensemble sert de base de comparaison au lieu de réduire immédiatement le problème à un coût unique. Les auteurs conçoivent ensuite un réseau qui émule la recherche de plus court chemin et le classement de routes dans une structure différentiable de bout en bout. La préférence est formulée comme une optimisation sous contraintes : un attribut est optimisé, les autres doivent rester dans les limites demandées.

Les expériences utilisent des jeux de données réels. Le résumé affirme que l'architecture surpasse les méthodes comparées en qualité de route et en personnalisabilité, mais ne donne pas les valeurs détaillées par jeu de données ; il faut consulter les tableaux du papier avant de reprendre un chiffre. On ne sait donc pas de combien l'écart se creuse.

La lecture éditoriale proposée est de séparer les contraintes du classement, parce que « moins de péages » peut être une condition stricte dans un contexte et une simple préférence dans un autre. Le résumé ne permet pas de conclure à une supériorité universelle ni à une robustesse sur toutes les villes et tous les profils.

Ce qui se recoupe entre ces travaux

Le fil le plus net est le coût chiffré de l'inspectabilité. Trois travaux le mesurent dans la même direction. La chaîne NLI par graphes perd 1,9 point d'accuracy sur SNLI face à un modèle texte comparable, et 9 à 14 points en écart global annoncé sur les cas adversariaux. Le goulot d'étranglement conceptuel sur la douleur ovine perd 0,05 à 0,10 en kappa. MaSCoD gagne en rappel et F1 moyens, mais augmente les faux positifs. Aucun de ces papiers ne prétend que la structure est gratuite. C'est une convergence plus informative que n'importe quel résultat isolé : quand une décision doit passer par une représentation auditée, une partie du signal statistique reste dehors.

Deuxième recoupement : plusieurs travaux déplacent la question de la métrique vers la représentation. Le papier sur la comparaison de processus l'énonce comme un théorème pratique, en montrant qu'une différence effacée avant le calcul ne peut pas être récupérée après, avec un ARI de 1,000 en gardant l'ordre partiel contre 0,615 après aplatissement. Le travail sur les graphes de concepts évolutifs dit la même chose dans le temps : aligner le cutoff sémantique et le cutoff structurel change l'AUPRC de 16,6 % dans l'ablation. La Probabilistic Allen Algebra l'applique à l'incertitude des frontières, en refusant d'assigner un score à chaque relation indépendamment. Dans les trois cas, le progrès ne vient pas d'un modèle plus gros mais d'une représentation qui conserve ce que la question exige.

Troisième point commun : le refus de l'engagement précoce. SALR retarde les choix discrets d'une requête tout en les ancrant sur un codebook de schéma. MaSCoD prépare des variables tierces candidates avant de juger les arêtes. S4L-Prolog complète la scène avant de générer les règles. La planification d'itinéraires garde un ensemble de Pareto plutôt que de collapser vers un coût unique. Le solveur de Camelot Jr. sépare les règles d'état des heuristiques de recherche. Ces cinq architectures appliquent le même principe à cinq domaines sans se citer.

Ce qui se contredit, ou du moins se tend, concerne le statut de la structure partagée. Zappa veut que chaque affirmation porte ses conditions, sa provenance et sa couverture déclarée, donc plus de contexte attaché localement. SCGFM-ART cherche au contraire un repère commun vers lequel transporter des graphes hétérogènes, avec des accélérations d'inférence de 44,2× à 85,1× sur les benchmarks réels, et jusqu'à 974 fois sur des graphes synthétiques de 1 024 nœuds. Les auteurs de SCGFM-ART signalent eux-mêmes la sensibilité à un atlas mal choisi. Entre ancrer une connaissance dans son contexte local et la projeter dans un repère partagé, aucun de ces travaux ne tranche.

Ce qui reste ouvert, enfin, tient surtout au périmètre des preuves. Vingt règles de circulation, trois jeux causaux avec trois répétitions, deux benchmarks KBQA, un jeu d'images vétérinaires, un corpus de vision par ordinateur, des journaux de processus simulés faute de données réelles adéquates. Plusieurs papiers n'énoncent aucun chiffre détaillé dans leur résumé. Les sources elles-mêmes qualifient leurs résultats de descriptifs, de programmatiques ou de preprints. Ce dossier décrit donc un ensemble de mécanismes plausibles et quelques mesures de leur coût, pas un état stabilisé. Les travaux voisins sur l'évaluation des modèles et sur les pipelines de récupération sont traités dans le dossier sur l'évaluation des LLM et l'incertitude et dans le dossier sur le RAG et la recherche d'information ; la question de l'outillage des agents est reprise dans le dossier sur l'architecture des agents.

Sources

• arXiv:2609.14121v1 — Semantic Knowledge Technologies
• arXiv:2609.18163v1 — Time-Aligned Evolving Concept Graphs for Scientific Relation Forecasting
• arXiv:2609.20419v1 — SCGFM-ART: Amortized Relational Transport for Structure-Centric Graph Foundation Models
• arXiv:2609.20398v1 — Schema-Anchored Latent Reasoning for Semantic Parsing-Based Knowledge Base Question Answering
• arXiv:2609.16814v3 — Can We Do Interpretable NLI with Graphs Based on Atomic Propositions?
• arXiv:2609.20427v1 — When Do Language-Grounded Explanations Help? A Graph-Bottleneck for Farm Monitoring Interpretable Sheep Facial Pain
• arXiv:2609.19944v1 — A Multi-Agent Framework for Structural-Context-Guided Candidate Causal Graph Generation
• arXiv:2609.20489v1 — Resolution limits for process comparison from event data
• arXiv:2609.20634v1 — PAA: The Probabilistic Allen Algebra: A Generative and Complete Probabilistic Extension of Allen's Interval Relations
• arXiv:2609.20334v1 — Structured Four-Stage Legal Translation: From Natural-Language Traffic Rules to PROLOG
• arXiv:2609.20349v1 — A Qualitative Model for Reasoning about Path and Support
• arXiv:2609.19996v1 — Customizable and Jointly Optimized Route Planning