Modèles génératifs
Fellow suit ce sujet depuis juillet 2026 : 11 articles résumés en français, dont 1 jugé majeur ou notable.
Toute l'actualité · 11 articles
Profils d'ambiguïté de vitesse : diagnostics de risque de Bayes résolus en temps pour le flow matching
Des chercheurs introduisent le Velocity Ambiguity Profile, plancher de risque de Bayes local en temps, pour distinguer l'ambiguïté intrinsèque de la perte réductible dans l'entraînement par flow matching.
Passer à l'échelle les minibatches d'optimal transport en ligne pour le flow matching
Des chercheurs proposent une approximation entropique d'OT en ligne permettant de coupler de bien plus gros minibatches, avec garanties théoriques sur la variance du gradient et l'erreur d'intégration.
Bi-FORK : modélisation générative des systèmes bifurquants de grande dimension
Un nouveau cadre génératif apprend les relations un-à-plusieurs aux points de bifurcation, par flow matching latent et échantillonnage guidé par répulsion, jusqu'à 260 000 points de discrétisation.
Des grammaires moléculaires d'ordre supérieur pour les modèles génératifs et fondamentaux en chimie
Une nouvelle représentation topologique des molécules, HGR, améliore la génération et l'apprentissage de représentations en chimie computationnelle.
PMosFM : un cadre de flow matching en une étape pour la génération de champs physiques contraints
Une nouvelle méthode encode les contraintes physiques directement dans un décodeur de variété pour accélérer l'entraînement et l'inférence.
Modèles génératifs : le lien entre spéciation sémantique et rupture du débruitage local
Une étude théorique montre que la fenêtre de non-localité, où le contexte local devient insuffisant, s'inscrit dans la fenêtre de spéciation sémantique.
Correction de la dérive de distribution en génération de graphes temporels : une tension structurelle et une impossibilité prouvée
Une étude formelle montre que la dégradation des modèles génératifs de graphes temporels sous dérive de distribution ne peut être corrigée par simple observation du déploiement.
Le « scattering à trois corps » comme nouvelle approche pour la modélisation générative en une étape
Une méthode inédite convertit la distance énergétique en interactions attraction-répulsion par échantillon, pour générer des images en un seul pas.
Filtrage par flux contrôlé d'ensemble pour l'assimilation de données implicite
Une nouvelle méthode d'assimilation de données gère les observations non lisses, multimodales ou simulées, là où les filtres de Kalman classiques échouent.
Estimer la probabilité d'événements extrêmes grâce aux modèles génératifs guidés
NVIDIA détaille une méthode pour évaluer les risques rares et à fort impact sans recourir à un Monte Carlo brut coûteux en calcul.
La "loterie du FID" : quantifier le hasard caché dans l'évaluation des modèles génératifs
Kyutai montre que la métrique FID, très utilisée pour juger les modèles génératifs, cache une variance importante liée au hasard de l'entraînement.