
Apprendre un contrat quand l'action de l'agent reste cachée
Un résultat minimax caractérise le coût d'apprendre des paiements conditionnés par plusieurs catégories de résultat, sans hypothèse de réponse lisse.
Éditorial / 24 publications
Des méthodes et des tutoriels lisibles hors ligne pour tester les outils, vérifier leurs limites et construire des workflows durables.
À lire

Un résultat minimax caractérise le coût d'apprendre des paiements conditionnés par plusieurs catégories de résultat, sans hypothèse de réponse lisse.

Une lecture accessible de la géométrie des variétés équilibrées dans les réseaux linéaires profonds.

Une méthode de ciblage statistique compare transferts directs, contraintes d'information et coût d'une pauvreté ramenée à 1 %.

Une optimisation bayésienne par région de confiance combine exploration globale et raffinement local pour les structures cristallines.

CURB relie les menaces de représailles à une dépendance conditionnelle des politiques pour désamorcer des équilibres collusifs.

Une étude entraîne des politiques de couverture sur des mesures de risque dynamiques dont les scores sont cohérents avec le temps.

Deep Noir découvre des points d'intervention dans les têtes d'attention et mesure aussi le risque d'injection lié au steering.

Une étude de l'allocation de l'aide sociale chinoise sépare priorités des ménages et gains prédits.

DiBud remplace la profondeur fixe par un budget d’accès et certifie seulement le préfixe exact que le moteur a réellement pu établir.

Une analyse théorique relie le nombre de passes des diffusions uniformes, gaussiennes et masquées à la complexité intrinsèque de la distribution.

Comment AD-Seq-Vol combine scénarios conditionnels de volatilité implicite et couverture fondée sur les données, sans confondre réalisme et garantie.

DimExDAM associe diffusion et adversarial learning pour produire des volumes poreux hétérogènes sans disposer d'un grand corpus 3D annoté.

DRAG étudie le routage par requête entre moteurs et générateurs ; une incohérence de seuil impose de vérifier l’implémentation avant reprise.

Un pipeline vocal combine un chemin rapide sur cache, un fallback hybride et une expansion locale pour réduire les erreurs de transcription.

EAR remplace une partie des chunks fixes par des fenêtres lexicales autour d’ancres explicites, tout en mesurant ce que cette spécialisation ne prouve pas.

Un étudiant EfficientViT de 0,7 million de paramètres apprend d’un modèle géospatial de 300 millions de paramètres pour segmenter les zones inondées.

Edustories rassemble 1 492 récits d’enseignants et montre que les meilleurs modèles restent derrière les experts pour prédire l’issue d’une intervention.

Une chaîne temps-fréquence, CNN et GRU distingue repos et tâches mathématiques, mnésiques ou musicales dans des signaux EEG.

Une analyse de l'OPD relie l'inflation de longueur à un désaccord entre tokens de fin fonctionnellement équivalents.

ERCPMP-Gx propose une structure patient-niveau pour étudier les syndromes de polypose colorectale avec images, vidéos, histopathologie et données germinales.

Prediction-powered smoothing combine prédictions et échantillonnage pour estimer plus prudemment la performance de domaines peu annotés.

Un système de retrieval-augmented generation combine sémantique textuelle et détails visuels locaux pour évaluer des figures scientifiques.

MSS-Complement traite la récupération documentaire comme un problème de couverture de preuves plutôt que comme un simple classement de passages.

EviQE sépare le choix des passages lus par le modèle de la génération de la reformulation, pour rendre l’expansion plus contrôlable.
Continuer l'exploration