Aller au contenu

Veille IA du

Cette page est l’édition archivée d’un jour précis. Elle ne change plus.

Dernier digest S’abonner

Actualités du mercredi 19 août 2026

46 articles

Modèles IA/ML, Sécurité et Gouvernance

  • OpenAI réaffirme sa politique de non-⁠rétention des données (Zero Data Retention) pour les clients éligibles de l’API de modèles frontières et présente en avant-⁠première le traitement de sécurité privé (Private Safety Processing) pour dissocier les contrôles de sécurité avancés de l’exposition des données [1].
  • OpenAI a temporairement rallié le rythme de mise à l’échelle des modèles frontières et suspendu certains entraînements par apprentissage par renforcement (RL) à la suite de signaux de capacités cybernétiques et d’un incident de sécurité ; de nouveaux contrôles isolent les charges de travail, inspectent les actions et les journaux des outils, et visent à déclencher des alertes en moins de 30 minutes [2, 3, 4].
  • GLM-⁠5.3 est désormais disponible via l’API au tarif de 1.4/4.4 $ par million de jetons, offrant de meilleures performances en matière de codage et pour les agents à long horizon au même prix que le GLM-⁠5.2 ; la publication des poids est prévue mais sans date précise [5].
  • Claude Opus 5 est disponible dans AWS GovCloud (US) via Amazon Bedrock avec une politique de non-⁠rétention des données par défaut et une résidence régionale pour les charges de travail gouvernementales [6].
  • LiquidAI a publié les points de contrôle LFM2.5 Q4_0 produits par distillation sensible à la quantification (quantization-⁠aware distillation) [7].
  • Thinking Machines a mis en open source Inkling, un modèle conçu à partir de zéro avec des poids sous licence Apache 2.0, doté d’une multimodalité native et d’un paramètre « d’effort de réflexion » (thinking effort) [8].
  • Des analystes soutiennent que les données brutes d’Internet sont sous-⁠optimales pour l’AGI et préconisent d’égaliser l’intelligence par jeton pour améliorer l’efficacité de la mise à l’échelle [9].
  • GenBio a lancé AIDO Cell, un modèle du monde de « cellule virtuelle » simulant les lignées cellulaires K562 et HepG2, accompagné d’un programme d’accès anticipé académique [10].

Outils pour LLM, Agents et RAG

  • Le SDK AI de Vercel intègre le mode Code (Code Mode) permettant aux modèles d’écrire du JavaScript/TypeScript qui appelle les outils du SDK AI [11].
  • GitHub Copilot pour JetBrains s’enrichit de paramètres gérés par l’entreprise pour les plugins, de listes blanches de serveurs MCP, d’OpenTelemetry et de modes de permission [12].
  • Replit introduit le mode gratuit (Free Mode) propulsé par GPT-⁠5.6 Luna pour permettre à quiconque de créer des logiciels fonctionnels sans se soucier du coût en jetons [13].
  • GraphRAG est présenté comme une technique permettant de répondre à des questions inter-⁠documents en structurant la recherche documentaire sur des graphes de connaissances plutôt que sur des corpus plats [14].
  • Miles v0.1 est un système ouvert pour l’entraînement a posteriori de niveau production d’agents IA, intégrant le déploiement (rollout), le sandboxing, l’entraînement asynchrone, la relecture (replay) et l’orchestration multi-⁠matériel [15].
  • FreeToken propose un rémappage continu des experts MoE, de l’état du modèle et du calcul pour exécuter de grands modèles MoE sur des GPU de stations de travail, prenant en charge jusqu’à un modèle GLM de 753B sur un seul GPU de station de travail [16].
  • OpenViking est une base de données de contexte open source pour agents qui organise les mémoires/ressources/compétences sous la forme d’un système de fichiers viking:// navigable via ls/tree/find [17].
  • ai-⁠memory offre aux agents de codage une mémoire persistante et inter-⁠outils stockée sous forme de Markdown dans Git avec SQLite FTS5 et des vecteurs optionnels [18].
  • agentcov cartographie les lectures des agents (Codex, Claude Code, Pi) sur des rapports de couverture LCOV/gcov/JSON pour suivre les lignes inspectées par rapport aux lignes non lues [19].
  • Une algèbre de politiques pour l’exécution d’une IA agentique préservant la confiance (A Policy Algebra for Trust-⁠Preserving Agentic AI Execution) applique les permissions tout au long d’une tâche, bloquant 94.8 % des actions enfreignant les règles tout en menant à bien 86.9 % des tâches légitimes [20].

MLOps, DevOps et Pratiques d’Ingénierie

  • Mojo est désormais entièrement open source sous licence Apache 2.0 avec des exceptions LLVM, ciblant les GPU et les accélérateurs d’IA ; des compilateurs précompilés restent nécessaires pour les noyaux ou modèles MAX personnalisés [21].
  • fx est un nouvel ensemble d’outils (harness) et d’interface en ligne de commande (CLI) pour agents de codage, conçu pour la recherche et l’intégration (embeddability) [22].
  • CodeQL 2.26.3 ajoute la modélisation JavaScript/TypeScript/Vue et améliore les requêtes GitHub Actions, incluant la gestion des événements merge_group [23].
  • Le tableau de bord de qualité du code au niveau de l’organisation de GitHub intègre Trends pour suivre les anomalies ouvertes au fil du temps et classer les référentiels par modification [24].
  • Azure Pipelines prend désormais en charge les agents macOS arm64 en version préliminaire publique pour les builds natifs sur Apple Silicon [25].
  • Une analyse approfondie compare les approches pour mettre à l’échelle Git à l’échelle d’un monolithe (monorepo) en distribuant le système de fichiers, les fichiers de paquets (packfiles) ou Git lui-⁠même [26].
  • Dropbox a amélioré l’efficacité de son infrastructure de plus de 50 % depuis 2020 en couplant capacité, matériel, alimentation et refroidissement, grâce au mode Deep Sleep, au rééquilibrage des charges de travail et à des disques plus denses [27].
  • L’automatisation de la validation des versions de Kubernetes dans la CI/CD a réduit le temps de validation du déploiement de 45 minutes à 2 minutes en vérifiant la disponibilité des pods, les échecs et une fenêtre de stabilité de 60 secondes [28].
  • Linux 7.2 apporte une planification consciente du cache, un ext4 plus rapide et le mécanisme de récupération mglru [29].

Cloud, Sécurité et Notes sur les Incidents

  • Cloudflare s’est penché à nouveau sur les attaques Spectre distantes ciblant Workers, a découvert une limite dans sa défense de l’isolation dynamique des processus, et a démontré une attaque Spectre distante sur des charges de travail de production [30].
  • AWS soutient que pour les agents IA, la cohérence est la nouvelle latence : les lectures obsolètes (stale reads) peuvent alimenter une dette d’hallucination auto-⁠entretenue ; l’entreprise recommande une forte cohérence globale, des écritures conditionnelles ou des schémas d’ingestion à haute vélocité par tâche [31].
  • GitHub a subi un incident d’environ 8 heures avec des taux d’erreur de 20 à 50 % affectant Issues, PRs, APIs, Actions, Copilot et l’authentification ; les causes profondes incluent l’épuisement de la concurrence du conteneur auxiliaire Istio (sidecar), un autoscaler mal configuré et un bogue de nouvelle tentative (retry) dans VS Code qui a multiplié par environ 10 le trafic de jetons de Copilot [32].
  • Microsoft Copilot a révélé l’existence d’un paramètre d’URL non documenté ?autorun=1 ; combiné à ?q=, cela a permis des attaques par injection de requêtes (prompt injection) via des liens, conduisant à la vulnérabilité CVE-⁠2026-⁠24301 après correctifs [33].
  • GitLab a corrigé la vulnérabilité CVE-⁠2026-⁠19478, une faille GraphQL affichant un score CVSS de 9.4 permettant la suppression non authentifiée de projets publics [34].
  • Une analyse approfondie des sondes Kubernetes montre comment des erreurs de configuration peuvent provoquer des boucles de redémarrage et des pertes de requêtes, et inclut une démo interactive qui a permis de découvrir un bogue dans Kubernetes [35].
  • celld est une implémentation open source et auto-⁠hébergée de Cloudflare Workers et Durable Objects utilisant un stockage compatible S3, SQLite et Tokio pour éviter l’enfermement propriétaire (vendor lock-⁠in) [36].

Outils et Bibliothèques pour Développeurs

  • La version préliminaire de DuckDB 2.0 ajoute le mode client/serveur via le protocole Quack, les déclencheurs (triggers), les E/S asynchrones, un nouveau format de stockage, un analyseur SQL extensible et rapporte des accélérations d’environ 40× sur certaines expressions de tables communes récursives (RECURSIVE CTE) [37].
  • TanStack Hotkeys transforme les saisies clavier en un système de commandes typées avec des portées (scopes), des séquences de touches multiples et la détection des conflits [38].
  • TermDOM permet aux développeurs de créer des interfaces utilisateur pour terminal (TUI) et des CLI interactives en utilisant les API HTML/CSS/DOM standard avec un réaffichage automatique [39].
  • Saggar est un gestionnaire de terminal natif pour macOS permettant d’organiser les shells, les tests et les agents de codage IA avec une file d’attente prioritaire et un compagnon mobile [40].
  • Acadia est un langage en version alpha publique qui compile du code de base de données fonctionnel et typé en SQL pour les applications s’appuyant sur SQLite, avec des migrations vérifiées par le compilateur et une sécurité de type de bout en bout [41].

Observations sur l’Ingénierie et le Métier de l’IA

  • Les commentaires soulignent l’importance des logiciels extensibles et des API à l’ère des LLM pour équilibrer la conception initiale et le support à long terme [42].
  • Des observateurs soutiennent que les logiciels malléables – des bases solides combinées à du code personnalisé – domineront les outils de productivité [43].
  • L’essai « The Case for Software Craftsmanship in the Era of Vibes » exhorte à privilégier la fiabilité, la compréhensibilité et l’évolutivité au détriment du volume de code livré [44].
  • La « Benchmark-⁠pocalypse » met en lumière le fait que les agents LLM peuvent surapprendre (overfit) sur les benchmarks sans améliorer leurs performances dans le monde réel, ce qui nécessite un audit indépendant [45, 46].
Sources
  1. Offering Zero Data Retention for frontier models openai.com
  2. OpenAI Rewrites Safety Framework as Largest Training Run Stays Paused implicator.ai
  3. OpenAI Slowed Training Over Cyber Risks openai.com
  4. OpenAI Institutes New Safeguards After Hugging Face Breach techcrunch.com
  5. GLM-⁠5.3 hits the API at 1.4/4.4 per million tokens venturebeat.com
  6. Claude Opus 5 is now available in AWS GovCloud (US) aws.amazon.com
  7. LFM2.5 Q4\_0 Checkpoints from Quantization-⁠Aware Distillation huggingface.co
  8. The New American AI Model Designed to be Customized blog.bytebytego.com
  9. Rethinking the Data Moat mbi-⁠deepdives.com
  10. GenBio Launches a “Virtual Cell” AI Model lifespan.io
  11. Code Mode ai-⁠sdk.dev
  12. Enterprise managed settings in GitHub Copilot for JetBrains github.blog
  13. Replit expands access to software creation with GPT-⁠5.6 Luna openai.com
  14. GraphRAG: How AI Answers Questions Hidden Across Many Documents blog.bytebytego.com
  15. Miles v0.1: Production-⁠level Post-⁠training lmsys.org
  16. FreeToken: Efficient Edge-⁠Native MoE Serving arxiv 2608.16157
  17. OpenViking github.com
  18. ai-⁠memory github.com
  19. agentcov github.com
  20. A Policy Algebra for Trust-⁠Preserving Agentic AI Execution arxiv 2608.16402
  21. Mojo🔥 is now open source! modular.com
  22. fx (Website) fx.sh
  23. CodeQL 2.26.3 improves GitHub Actions queries and JavaScript modeling github.blog
  24. Track organization code quality trends github.blog
  25. Apple Silicon and Xcode 27 images available in pay-⁠as-⁠you-⁠go (preview) devblogs.microsoft.com
  26. Git at any scale cursor.com
  27. Improving infrastructure efficiency for growing demand in the age of AI dropbox.tech
  28. How We Cut Kubernetes Deployment Validation From 45 Minutes to 2 Minutes cloudnativenow.com
  29. Linux 7.2 brings cache-⁠aware scheduling, faster ext4, mglru reclaim omgubuntu.co.uk
  30. A revisit of remote Spectre attacks on Cloudflare Workers blog.cloudflare.com
  31. Consistency is the new latency: AI at the data layer aws.amazon.com
  32. GitHub.com Incident githubstatus.com
  33. Microsoft Copilot Reveals Secret Input that Allowed it to be Hacked arstechnica.com
  34. Critical GitLab GraphQL Flaw Could Let Unauthenticated Attackers Delete Public Projects thehackernews.com
  35. How Kubernetes Probes Work hnrss.org
  36. Node.js creator liberates Durable Objects from Cloudflare theregister.com
  37. A Preview of DuckDB v2.0 duckdb.org
  38. TanStack Hotkeys (Website) tanstack.com
  39. TermDOM (Website) termdom.org
  40. Saggar (Website) saggar.marginalutility.dev
  41. Rethinking Database Programming acadia.engineering
  42. Extensible Software in the age of LLMs jeremymorrell.dev
  43. Malleable software = solid bases + custom code mdubakov.me
  44. The Case for Software Craftsmanship in the Era of Vibes zed.dev
  45. The Benchmark-⁠pocalypse blog.adafruit.com
  46. The Benchmarkpocalypse danluu.com

Publications du mercredi 19 août 2026

30 publications

Systèmes agentiques et intégration des LLM

  • Une infrastructure de données axée sur les capacités pour la génération d’images couple une supervision spécifique aux tâches avec un programme pédagogique multi-⁠étapes pour aligner les dépendances entre capacités, améliorant la généralisation sur les tâches d’ancrage, de transformation et d’association de connaissances [1].
  • Les agents auto-⁠améliorants basés sur la mémoire présentent une forte variance et une dépendance à l’ordre des tâches ; des mélanges aléatoires et des évaluations multi-⁠exécutions révèlent une fragilité, les programmes pédagogiques implicites masquant souvent l’instabilité [2].
  • Une asymétrie de délégation est quantifiée dans les systèmes de recommandation agentiques : les utilisateurs nécessitent une réceptivité plus faible pour déployer leur propre agent que pour accepter une communication médiée par un agent provenant d’autrui, une modélisation par variables latentes confirmant des constructions distinctes mais corrélées (ρ=0,92) [3].
  • StagedWorkspace introduit un espace de travail versionné pour les agents de travail intellectuel, liant les enregistrements analysés et les différences aux hachages de contenu pour maintenir la cohérence entre les artefacts évolutifs, améliorant les performances dans les benchmarks OfficeQA Pro et APEX-⁠Agents [4].
  • Le Façonnage de Récompense Invariable par Politique utilise des fonctions potentielles dérivées des LLM dans un MDP à objectif augmenté, préservant les politiques optimales même avec des scores LLM inexacts, avec une validation numérique sur des configurations adverses [5].
  • EvoTS-⁠Agent est un agent LLM auto-⁠évolutif pour la détection de points de changement dans les séries temporelles financières, révisant de manière autonome, explorant des stratégies alternatives et recombinant des modèles performants via une évolution guidée par validation [6].
  • Chain-⁠of-⁠Experience permet aux LLM d’apprendre à partir d’expériences itératives au moment du test, accumulant des traces expérientielles via des retours de l’agent ou de l’environnement, offrant une amélioration globale de 5,6 % et une réduction de 19 % des coûts d’API sur les tâches [7].
  • Un système multi-⁠agents d’IA pour la structuration des rapports de radiologie et le contrôle qualité standardise les sections anatomiques au niveau des phrases, détecte les incohérences entre les Constats et l’Impression, et signale les conflits genre-⁠anatomie ainsi que les résultats critiques non documentés ; une évaluation indépendante par des radiologues confirme la robustesse [8].
  • CABLE étend la portée de la mémoire conversationnelle à long terme en construisant des liens complémentaires au retriever via un lien et une expansion basés sur les antécédents, comblant les écarts de distance sémantique dans la récupération de preuves [9].

IA pour les domaines scientifiques et critiques pour la sécurité

  • Traceable Trust propose un cadre d’évaluation et de conception proportionné pour les sorties d’IA guidant les actions en laboratoire en biosciences, documentant les preuves, les allégations de capacité, l’agence, les seuils, les annulations et les retours sur les résultats [10].
  • FlightLLM traite l’interprétation des événements de sécurité aérienne en combinant l’ingénierie des caractéristiques avec un raisonnement LLM guidé par des connaissances a priori, surmontant l’incohérence modale et le manque de données de domaine pour fournir des explications opérationnellement pertinentes [11].
  • L’apprentissage de représentation primitive pour la reconstruction d’IRM dynamiques rehaussées par contraste dissocie l’anatomie, le contraste dynamique et le mouvement en fonctions de base temporelles distinctes, atteignant une qualité de reconstruction compétitive et une précision des courbes de rehaussement [12].

Raisonnement, planification et modèles du monde

  • Les modèles du monde neurosymboliques découplent la prédiction de récompense de la reconstruction de l’observation via des composantes latentes symboliques, permettant un transfert en zero-⁠shot vers de nouvelles fonctions de récompense sans interactions supplémentaires avec l’environnement [13].
  • Les modèles du monde de code continu font face à une "loi du danger échantillonnage-⁠vérification" : les modèles acceptés peuvent omettre des événements rares mais critiques, avec un regret proche du rendement total atteignable ; GPT-⁠5.x répare les modes omis dans 105/120 cas [14].
  • La recirculation introduit une récurrence au moment de l’inférence pour les modèles de base, réduisant la perplexité et améliorant la précision sur les tâches de génération et de raisonnement avec un surcoût de latence minimal [15].
  • Les espaces latents des LLM profonds s’organisent naturellement en réseaux Small-⁠World, avec une transition de phase topologique nette dans les variétés à long contexte, comprimant les distances conceptuelles en chemins navigables limités par six degrés de séparation [16].

Évaluation et fiabilité

  • Les petits modèles de langage notent les réponses ouvertes aussi fiablement que les modèles plus grands lorsqu’ils utilisent des grilles d’évaluation explicites ; l’identité de la réponse explique 95,6 % de la variance des scores, tandis que l’identité du juge n’en explique que 0,2 % [17].
  • Les modèles de détection d’anomalies dans les logs souffrent de surconfiance dans les prédictions incorrectes ; LoRD propose des distances de reconstruction par route pour un étalonnage post-⁠hoc, améliorant la fiabilité en cas de déséquilibre de classe [18].
  • Un cadre de jugement des LLM contrôlé par le risque introduit des garanties de risque prouvables en combinant l’estimation de l’incertitude avec une récupération sélective ou une abstention, traitant la fiabilité dans l’évaluation sans référence [19].
  • BayesPrompt reformule l’optimisation des prompts comme une inférence bayésienne a posteriori, échantillonnant des prompts lisibles par l’homme qui sont à la fois efficaces et interprétables, surpassant les alternatives de pointe [20].

Données, tokenisation et adaptation de domaine

  • TokEval introduit une suite d’évaluation de tokeniseurs capturant des propriétés linguistiques et structurellement significatives (par exemple, intégrité des limites UTF-⁠8, alignement des valeurs de position des chiffres), validée via des expériences de pré-⁠entraînement contrôlées et des benchmarks en aval [21].
  • Dual Co-⁠Train permet une adaptation de domaine sans source pour la segmentation de la langue par échographie dans des conditions de rareté extrême de données, utilisant l’affinage des pseudo-⁠étiquettes, le contrôle qualité basé sur les contours et la génération d’échantillons synthétiques [22].
  • TabNSM propose un cadre de régression évolutif avec des modules d’interaction clairsemés adaptatifs, des têtes de régression multi-⁠étapes et des objectifs sensibles à l’ordinal, atteignant une complexité quasi linéaire sous des configurations clairsemées fixes [23].
  • Les modèles de base tabulaires montrent une capacité de transfert surprenante à partir du pré-⁠entraînement auto-⁠supervisé sur une seule table réelle, la utilité de la table étant davantage corrélée au nombre de caractéristiques qu’au nombre d’instances [24].

Applications sociales, politiques et professionnelles

  • TSN4PI fournit un cadre unifié pour suivre l’évolution des idéologies politiques sur les réseaux sociaux, combinant la détection d’idéologie basée sur les LLM avec des réseaux de neurones temporels pour prédire les changements futurs, accompagné de deux jeux de données à grande échelle [25].
  • BEAR-⁠Bench est un benchmark bilingue (anglais-⁠russe) pour le raisonnement sur des documents denses en texte, issus du monde de l’entreprise et du milieu universitaire, révélant une marge de progression claire même pour les MLLM les plus performants [26].
  • SpeechSense introduit un jeu de données axé sur les éléments paralinguistiques pour l’analyse fine des sentiments dans la parole, répondant aux limitations des pipelines centrés sur le texte et des étiquettes d’émotion grossières [27].
  • AVShift évalue l’authentification de la paternité sous des décalages de distribution dans le genre, le temps et l’ère de l’IA pour l’allemand, montrant que les LLM fine-⁠tunés généralisent mieux entre les genres avec des données d’entraînement stylistiquement diversifiées [28].

Optimisation et échantillonnage

  • Optimizing Your Sampling (OYS) traite la sélection des étapes temporelles de diffusion comme un problème d’optimisation en boîte noire résolu via l’optimisation bayésienne, surpassant les planifications par défaut et Align Your Steps sur les tâches de texte-⁠à-⁠image et de retouche [29].
  • Un jeu répété à somme nulle à deux joueurs formalise la mise à jour bayésienne et le regret des poids exponentiels, décomposant le regret en perte d’information, dérive de retempérage et divergence informationnelle [30].
Sources
  1. From Corpora to Co-⁠Evolving Capabilities: Capability-⁠Centric Data Design for Generalist Image Generation arxiv cs.AI
  2. On the Fragility of Self-⁠Improving Agents: Variance, Task Order, and Underspecification arxiv cs.AI
  3. Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-⁠Sided Receptivity in Online Dating arxiv cs.AI
  4. StagedWorkspace: A Versioned Workspace for Knowledge-⁠Work Agents arxiv cs.AI
  5. Policy-⁠Invariant Reward Shaping from LLM Feedback: A Framework for Hybrid RL Agents arxiv cs.AI
  6. EvoTS-⁠Agent: A Self-⁠Evolving LLM Agent for Financial Time Series Change Point Detection arxiv cs.AI
  7. Chain-⁠of-⁠Experience for Continual LLM Improvement arxiv cs.CL
  8. Multi-⁠Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation arxiv cs.CL
  9. CABLE: Extending the Reach of Memory Retrieval via Complementary Antecedent-⁠Based Linking and Expansion arxiv cs.CL
  10. Traceable Trust for action-⁠ready artificial intelligence in bioscience arxiv cs.AI
  11. Can Large Language Models Explain Flight Safety Events? A Prior-⁠Guided Semantic LLM-⁠based Approach arxiv cs.AI
  12. Primitive Representation Learning for Unsupervised Dynamic Contrast Enhanced MRI Reconstruction arxiv cs.LG
  13. Towards Zero-⁠Shot Task Transfer with Neurosymbolic World Models arxiv cs.AI
  14. An Omitted Mode Is a Rare Rule: The Sampling-⁠Verification Danger Law in Continuous Code World Models arxiv cs.AI
  15. Recirculation arxiv cs.LG
  16. Do Large Language Models Play Six Degrees of Separation? Measuring Topological Compression in Long-⁠Context Manifolds arxiv cs.CL
  17. Grading Needs a Rubric, Not Intelligence arxiv cs.AI
  18. Too Sure to Be Safe: Model Calibration for Reliable Log Anomaly Detection arxiv cs.AI
  19. Judge, Retrieve, or Abstain: Uncertainty-⁠Guarded LLM Judging with Provable Risk Guarantees arxiv cs.CL
  20. BayesPrompt: human readable prompts that make sense arxiv cs.CL
  21. TokEval: A Tokenizer Evaluation Suite arxiv cs.CL
  22. Dual Co-⁠Train: Cross-⁠Dataset Ultrasound Tongue Segmentation Under Extreme Data Scarcity arxiv cs.AI
  23. TabNSM: Neural Sparse Mixer for Tabular Regression arxiv cs.LG
  24. Understanding the Surprising Generalization Properties of Tabular Foundation Models arxiv cs.LG
  25. Against Political Polarization: A Unified Framework for Tracing Evolving Political Ideologies on Social Media arxiv cs.AI
  26. BEAR-⁠Bench: A Bilingual Enterprise and Academic Reasoning Benchmark for Multimodal Models arxiv cs.CL
  27. SpeechSense: A Paralinguistic-⁠Focused Dataset for Fine-⁠Grained Speech Sentiment Analysis arxiv cs.CL
  28. When Writing Style Drifts: Benchmarking Authorship Verification under Distribution Shifts in Genre, Time and the AI-⁠Era arxiv cs.CL
  29. Optimize Your Sampling: Tuned Diffusion Sampling with Bayesian Optimization arxiv cs.LG
  30. The concentration game: Bayesian updating, regret, and information arxiv cs.LG