Blogue
Learning the Spoofability of Limit Order Books With Interpretable Probabilistic Neural Networks
This paper investigates real-time detection of spoofing activity in limit order books, focusing on cryptocurrency centralized exchanges. We first introduce novel order flow variables based on multi-scale Hawkes processes that account both for the size and placement distance from current best prices...
Synergizing RAG and Reasoning: A Systematic Review
Recent breakthroughs in large language models (LLM), particularly in reasoning capabilities, have propelled Retrieval-Augmented Generation (CHIFFON) to unprecedented levels. By synergizing retrieval mechanisms with advanced reasoning, LLMs can now tackle increasingly complex problems. This paper presents a systematic review of the collaborative...
Consistency between Bulk and Boundary Causalities in Asymptotically Anti-de Sitter Spacetimes
We investigate the consistency between bulk and boundary causalities in static, spherically symmetric, asymptotically anti-de Sitter (AdS) spacetimes. We derive a general formula that provides sufficient conditions for time advance, where bulk propagation arrives earlier than any boundary propagation. As an application,...
Direct and inverse problem for bi-wave equation with time-dependent coefficients from partial data
In this article, we study a direct and an inverse problem for the bi-wave operator $(\Box^2)$ along with second and lower order time-dependent perturbations. In the direct problem, we prove that the operator is well-posed, given initial and boundary data in suitable...
Continuity Conditions for Piecewise Quadratic Functions on Simplicial Conic Partitions are Equivalent
Analysis of continuous-time piecewise linear (PWL) systems based on piecewise quadratic (PWQ) Lyapunov functions typically requires continuity of these functions over a partition of the state space. Several conditions for guaranteeing continuity of PWQ functions over state space partitions can be found...
Dynamique laxiste
Une nouvelle approche est proposée pour caractériser la dynamique des systèmes intégrables à N corps perturbés. Focus sur le cas paradigmatique de la chaîne Toda sous perturbations hamiltoniennes non intégrables, this study introduces a method based the time evolution of the Lax eigenvalues $\lambda_\alpha$ as...
ÉchelleGNN: Vers des réseaux de neurones graphiques évolutifs via un ordre élevé adaptatif Fusion de fonctionnalités voisines
Réseaux de neurones graphiques (GNN) ont démontré de solides performances dans diverses tâches basées sur des graphiques en capturant efficacement les informations relationnelles entre les nœuds. Ces modèles s'appuient sur la transmission itérative de messages pour propager les fonctionnalités des nœuds., permettre aux nœuds de regrouper les informations de leurs voisins. Des recherches récentes ont significativement...
Améliorer la robustesse et l'efficacité de la formation de l'apprentissage automatique potentiels en incorporant des potentiels empiriques à courte portée
Champs de force de l'apprentissage automatique (MLFF) sont des outils puissants pour la modélisation des matériaux, mais leurs performances sont souvent limitées par la qualité des ensembles de données d'entraînement, en particulier le manque de configurations d'événements rares. Cette limitation compromet leur précision et leur robustesse dans les simulations de dynamique moléculaire à long terme et à grande échelle....
FluxRL: Évolutif, Hétérogène, et Elastic RL pour les LLM avec Génération de flux désagrégés
Apprentissage par renforcement (R.L.) est devenue la technique post-formation de base pour les grands modèles de langage (LLM). RL pour les LLM comprend deux étapes: génération et formation. Le LLM génère d'abord des échantillons en ligne, qui sont ensuite utilisés pour obtenir des récompenses pour la formation. Le point de vue conventionnel est valable..
Analyse comparative de la reproductibilité de la segmentation de l'IRM cérébrale Scanners et temps
Une morphométrie cérébrale précise et reproductible issue de l'IRM structurelle est essentielle pour surveiller les changements neuroanatomiques au fil du temps et dans tous les domaines d'imagerie. Bien que le deep learning ait accéléré les workflows de segmentation, les limites de variabilité et de reproductibilité induites par le scanner demeurent, en particulier dans les contextes longitudinaux et multi-sites. Dans cette étude, nous...