Cette recherche propose une méthode d’apprentissage en ligne pour construire efficacement des modèles de substitution capables de simuler avec précision des systèmes complexes. Cette méthode comprend principalement trois composantes clés : Une stratégie d’échantillonnage pour générer de nouvelles données d’entraînement et de test ; Une stratégie d’...
Aujourd’hui, les grands modèles de langage (LLM) démontrent des performances de niveau expert dans de multiples domaines, suscitant un vif intérêt pour comprendre leurs processus de raisonnement internes. Comprendre comment les LLM produisent ces résultats étonnants est crucial pour le développement futur des agents d’intelligence artificielle et p...
Introduction : Actuellement, les modèles de langue pré-entraînés (PLM) sont largement utilisés dans le domaine du traitement du langage naturel, mais ils ont le problème d’hériter et d’amplifier les préjugés sociaux présents dans les données d’entraînement. Les préjugés sociaux peuvent entraîner des risques imprévisibles lors de l’application réell...
Un paradigme de moment unifié pour résoudre les problèmes SGD décentralisés sous des modèles non convexes et des environnements de données hétérogènes Introduction Ces dernières années, avec l’émergence de l’Internet des objets et de l’informatique edge, l’apprentissage machine distribué a connu un développement rapide, en particulier le paradigme ...
Introduction Le manque de connaissances de sens commun des systèmes d’intelligence artificielle a longtemps été l’un des principaux goulots d’étranglement entravant le développement de ce domaine. Bien que des progrès considérables aient été réalisés ces dernières années grâce aux modèles de langue neuronaux et aux graphes de connaissances de sens ...
Introduction: L’extraction d’événements est une tâche populaire dans le domaine du traitement du langage naturel, visant à identifier les mots déclencheurs d’événements et leurs arguments associés à partir d’un texte donné. Cette tâche est généralement divisée en deux sous-tâches: la détection d’événements (extraction des mots déclencheurs d’événem...
Un cadre d’architecture cognitive neuronale-symbolique pour traiter les nouveautés dans un monde ouvert Contexte de l’article La recherche traditionnelle en intelligence artificielle suppose que les agents intelligents fonctionnent dans un “monde fermé”, où tous les concepts pertinents pour la tâche sont connus, sans rencontrer de nouvelles situati...
Apprentissage des dynamiques spatio-temporelles des réseaux mobiles pour s’adapter aux événements du monde ouvert Contexte de la recherche Le système de services de mobilité (Mobility-as-a-Service, MaaS) de la société moderne est une intégration transparente de divers modes de transport (transports publics, véhicules de location, vélos partagés, et...
Le domaine de l’intelligence artificielle a toujours été confronté au problème de “l’apprentissage faiblement supervisé”, où seule une partie des annotations sont observables dans les données d’entraînement, le reste des annotations étant inconnu. L’apprentissage multi-instances (Multiple Instance Learning, MIL) est un paradigme visant à résoudre c...
Les méthodes d’apprentissage de représentation traditionnelles conçoivent généralement une architecture de fonctions de base fixe afin d’obtenir les propriétés souhaitées, comme l’orthogonalité ou la parcimonie. L’idée de l’apprentissage profond par renforcement est que le concepteur ne doit pas coder les propriétés de la représentation mais plutôt...