Summarize Paper logo SummarizePaper.com
  • Tendances
  • Lettres hebdo
  • Lire les articles plus vite

    Résumés Discuter avec les articles Collections

    Suivre votre domaine

    Sélection du matin Veille anti-scoop Premium Alertes de citation Premium Trouver un stage ou une thèse Premium+ Qui travaille dessus ? Premium Sujets qui montent Lettres hebdomadaires Recherches enregistrées

    Écrire et soumettre

    Kit presse Premium+ Revue de littérature Premium+ Qu'est-ce que j'ai raté ? Premium Vérification de bibliographie Premium Zotero, Overleaf, Notion, Obsidian

    Présenter et rencontrer

    Journal club Premium+ Compagnon de conférence Premium+
    Tous les outils, avec ce qu'ils font
  • FAQ
  • Premium
  • Français English
  • Se connecter

Les sujets qui montent dans la recherche

Chaque semaine, les sujets qui apparaissent dans bien plus de nouveaux articles que d'habitude sur arXiv, bioRxiv et medRxiv, venant de plusieurs équipes indépendantes, expliqués simplement.

Mon sujet monte-t-il ? Comment ça marche Guide illustré

arXivbioRxivmedRxiv Pour vous Premium

Calcul et langage (cs.CL) : 2 sujets qui montent cette semaine, avec Premium

  • Détecter les comportements dangereux de l’IA avant qu’ils atteignent les utilisateurs
  • Permettre à l’IA de lire de très longs documents efficacement

Ci-dessous, les sujets gratuits de tout le serveur.

Découvrir Premium · 9 $ US / mois
Tout arXiv Génie électrique et sciences des systèmes (eess) Informatique (cs) Mathématiques (math) Matière condensée (cond-mat) Physique mathématique (math-ph)

Tout arXiv

Articles soumis du 2 novembre au 8 novembre 2026

← Semaine précédente

Ce que les articles ont trouvé, domaine par domaine : les lettres hebdomadaires.

Hausse soudaine

Analyser plus vite les réseaux qui évoluent

×3,3 par rapport à d'habitude · 85 articles de 68 équipes

7.7 pour 10 000 articles7.5 pour 10 000 articles5.3 pour 10 000 articles3.8 pour 10 000 articles4.1 pour 10 000 articles4.2 pour 10 000 articles7.5 pour 10 000 articles4.3 pour 10 000 articles5.6 pour 10 000 articles7.6 pour 10 000 articles6.1 pour 10 000 articles6.3 pour 10 000 articles5.3 pour 10 000 articles6.7 pour 10 000 articles8.6 pour 10 000 articles10.4 pour 10 000 articles4.0 pour 10 000 articles8.8 pour 10 000 articles7.5 pour 10 000 articles6.9 pour 10 000 articles8.5 pour 10 000 articles3.4 pour 10 000 articles7.9 pour 10 000 articles11.5 pour 10 000 articles7.9 pour 10 000 articles13.6 pour 10 000 articles27.4 pour 10 000 articles

Nouveau cette semaine : souvent un événement, une sortie, un jeu de données ou une date limite. Les semaines à venir diront si cela dure.

Les chercheurs développent des algorithmes pour trouver des itinéraires, repérer des goulets d’étranglement et relier certains points dans des réseaux, notamment lorsque leurs liens évoluent. Cette activité accrue touche plusieurs questions liées : la rapidité des mises à jour, la quantité d’informations à conserver et la marge d’approximation acceptable.

undirected graphundirectedstretchupdate timevertex graph
  • Finding and Certifying Weighted Minimum Cuts with Cut Queries
  • Dynamic Steiner Tree under Edge Updates
  • First Near-Additive All-Pairs Approximate Shortest Paths in Decremental Weighted Graphs
  • Faster Dynamic Maximal Independent Set against Adaptive Adversaries
85 articles Interroger ces articles Qui travaille dessus ? Revue de littérature Partager
Plus
  • Chercher ces articles et suivre le terme : enregistrez la recherche pour recevoir un e-mail quand de nouveaux articles l'emploient.
  • Veille anti-scoop : si votre propre projet est proche, soyez prévenu le jour où un nouvel article s'en approche.
  • Trouver un stage ou une thèse : qui mène ces travaux, pour un stage ou une thèse.
  • L'historique de ses termes : comparés semaine par semaine, à exporter.
Partager « Analyser plus vite les réseaux qui évoluent » Un post prêt pour LinkedIn, X ou Bluesky
LinkedIn X Bluesky Email

X et Bluesky reçoivent un post plus court, sauf si vous le modifiez ci-dessus. Le lien affiche une image d'aperçu de cette page.

Retour

Modifier le comportement d’une IA grâce à ses paramètres internes

×3,8 par rapport à d'habitude · 19 articles de 19 équipes

6.4 pour 10 000 articles12.6 pour 10 000 articles4.0 pour 10 000 articles5.1 pour 10 000 articles5.4 pour 10 000 articles2.8 pour 10 000 articles3.0 pour 10 000 articles4.3 pour 10 000 articles7.0 pour 10 000 articles0.0 pour 10 000 articles0.0 pour 10 000 articles4.7 pour 10 000 articles4.0 pour 10 000 articles10.7 pour 10 000 articles5.8 pour 10 000 articles5.9 pour 10 000 articles5.3 pour 10 000 articles0.0 pour 10 000 articles3.8 pour 10 000 articles5.8 pour 10 000 articles5.3 pour 10 000 articles10.3 pour 10 000 articles6.9 pour 10 000 articles3.1 pour 10 000 articles6.8 pour 10 000 articles0.0 pour 10 000 articles20.8 pour 10 000 articles

Déjà aussi fréquent la semaine du 11 mai 2026.

Les poids d’un modèle sont les paramètres numériques appris pendant son entraînement ; les recherches dans cet espace étudient comment leur modification transforme son comportement. Les exemples suggèrent un intérêt croissant pour une adaptation et un audit plus ciblés, de l’amélioration de la restauration d’images à la compréhension des informations utiles apportées par un entraînement complémentaire.

weight-space
  • Weight-Space Programming for Improving Image-Restoration Diffusion Models: Technical Conjectures and a Recursive Improvement Loop
  • Weight-space programming for auditing clinical decision networks
  • The Behavioral Rate of Fine-Tuning: Compression as a Measure of Useful Information
  • Can an LLM Actually Reason and Program about Neural Network's Weights or is it just memorization on steroids? Exploring "Weight-Space Programming"
19 articles Interroger ces articles Qui travaille dessus ? Revue de littérature Partager
Plus
  • Chercher ces articles et suivre le terme : enregistrez la recherche pour recevoir un e-mail quand de nouveaux articles l'emploient.
  • Veille anti-scoop : si votre propre projet est proche, soyez prévenu le jour où un nouvel article s'en approche.
  • Trouver un stage ou une thèse : qui mène ces travaux, pour un stage ou une thèse.
  • L'historique de ses termes : comparés semaine par semaine, à exporter.
Partager « Modifier le comportement d’une IA grâce à ses paramètres internes » Un post prêt pour LinkedIn, X ou Bluesky
LinkedIn X Bluesky Email

X et Bluesky reçoivent un post plus court, sauf si vous le modifiez ci-dessus. Le lien affiche une image d'aperçu de cette page.

Hausse soudaine

Réduire le coût de l’IA avec des nombres moins précis

×2,7 par rapport à d'habitude · 30 articles de 29 équipes

2.6 pour 10 000 articles7.5 pour 10 000 articles9.3 pour 10 000 articles12.7 pour 10 000 articles2.7 pour 10 000 articles5.6 pour 10 000 articles6.0 pour 10 000 articles5.7 pour 10 000 articles5.6 pour 10 000 articles4.6 pour 10 000 articles7.7 pour 10 000 articles4.7 pour 10 000 articles10.6 pour 10 000 articles4.0 pour 10 000 articles4.3 pour 10 000 articles7.4 pour 10 000 articles6.6 pour 10 000 articles12.6 pour 10 000 articles2.5 pour 10 000 articles8.1 pour 10 000 articles13.8 pour 10 000 articles12.8 pour 10 000 articles13.9 pour 10 000 articles15.7 pour 10 000 articles10.2 pour 10 000 articles16.7 pour 10 000 articles32.9 pour 10 000 articles

Nouveau cette semaine : souvent un événement, une sortie, un jeu de données ou une date limite. Les semaines à venir diront si cela dure.

Le BF16 est un format numérique qui réduit la mémoire nécessaire au stockage et au traitement des valeurs des réseaux de neurones, par rapport au calcul classique sur 32 bits. Sa présence accrue s’inscrit dans les efforts pour rendre l’entraînement et l’utilisation des modèles plus efficaces, tout en vérifiant les effets de la précision numérique sur leur exactitude et leurs capacités pratiques, comme la programmation.

bf16
  • Beyond Accuracy: How Quantization Affects Coding Agents
  • Architecture-Aware Mixed Precision for Replica-Exchange Training of Geometry-Aware Neural Operators with Uncertainty Quantification
  • Dory1.0-4B: A Looped Normalized-GPT
  • ResQAdam: Residual-Preserving Adaptive Optimization for Memory-Efficient Quantization Aware Training
30 articles Interroger ces articles Qui travaille dessus ? Revue de littérature Partager
Plus
  • Chercher ces articles et suivre le terme : enregistrez la recherche pour recevoir un e-mail quand de nouveaux articles l'emploient.
  • Veille anti-scoop : si votre propre projet est proche, soyez prévenu le jour où un nouvel article s'en approche.
  • Trouver un stage ou une thèse : qui mène ces travaux, pour un stage ou une thèse.
  • L'historique de ses termes : comparés semaine par semaine, à exporter.
Partager « Réduire le coût de l’IA avec des nombres moins précis » Un post prêt pour LinkedIn, X ou Bluesky
LinkedIn X Bluesky Email

X et Bluesky reçoivent un post plus court, sauf si vous le modifiez ci-dessus. Le lien affiche une image d'aperçu de cette page.

Partager les sujets qui montent cette semaine sur arXiv Un post prêt pour LinkedIn, X ou Bluesky
LinkedIn X Bluesky Email

X et Bluesky reçoivent un post plus court, sauf si vous le modifiez ci-dessus. Le lien affiche une image d'aperçu de cette page.

Ce que Premium ajoute sur cette page

  • Les sujets qui montent de chaque domaine — 21 domaines sur arXiv ont les leurs cette semaine, jusqu'aux catégories comme cs.LG ou astro-ph.EP.
  • Pour vous — les sujets les plus proches de vos recherches d'abord, dans les domaines de votre alerte.
  • Dans votre boîte mail — les sujets qui montent dans vos domaines, dans votre alerte du lundi.
  • Historique des termes — trois termes comparés semaine par semaine, dans n’importe quel domaine, avec les comptages à télécharger.
Découvrir Premium · 9 $ US / mois
Prochaine édition — articles soumis du 9 novembre au 15 novembre 2026.
Calcul à partir du mardi 17 novembre 2026 à 07:00, heure de Paris (06:00 UTC). Les résultats sont publiés une fois le traitement terminé.

Comment ça marche

Nous comptons arXiv, bioRxiv et medRxiv séparément : chaque serveur, et chacun de ses domaines, a ses propres sujets qui montent. Les articles de revues ne sont pas comptés.

Chaque semaine, nous comptons combien d'articles soumis cette semaine-là (premières versions) emploient chaque terme d'un à trois mots dans leur titre et leur résumé ; les acronymes comme RAG ou JWST comptent, et les pluriels avec leur singulier. Un terme monte quand sa part d'articles est au moins le double de sa part sur les huit semaines précédentes, quand une telle hausse est très improbable par hasard (un rapport de vraisemblance d'au moins 15), et quand elle vient d'au moins trois équipes, aucune ne signant plus de la moitié des articles : un groupe qui publie une série n'est pas une tendance. Une IA regroupe ensuite les termes en sujets et les nomme ; elle ne décide jamais de ce qui monte : ce sont les comptes.

  • Nouveau: le terme était presque absent de ces articles auparavant.
  • En hausse depuis plusieurs semaines: en hausse trois semaines de suite ou plus, pas un événement d'une semaine.
  • Récurrent: aussi fréquent à la même époque l'an dernier : peut-être un cycle annuel, comme la date limite d'une conférence.
  • Retour: aussi fréquent il y a quelques mois, puis moins employé.
  • Hausse soudaine: nouveau cette semaine : souvent un événement, une sortie, un jeu de données ou une date limite.

La courbe de chaque sujet est la part d’articles employant son terme principal, pour 10 000 articles, sur les six derniers mois. Le calcul de la semaine de soumissions précédente, du lundi au dimanche, commence le mardi à 06 h UTC, après l’annonce arXiv habituelle du lundi. Les annonces retardées peuvent encore manquer au premier calcul.

© 2026 SummarizePaper · Open source on GitHub

  • Sujets qui montent
  • Lettres hebdomadaires
  • Guides
  • Exemples
  • A propos
  • Pour les établissements
  • Contactez Nous
  • Confidentialité
  • Mentions Légales
  • Fouille de textes et de données