ConEx propose des cartes de saillance fondées sur des concepts pour expliquer les modèles de vision
1 sourcemis à jour il y a 12 hpertinence 2,0 sur5
L’essentiel
ConEx découvre automatiquement des concepts propres à chaque classe, représentés par des vecteurs d’activation de concepts. Il propose deux métriques, VCM et CCM, et atteint l’état de l’art sur des benchmarks de fidélité et de segmentation.
Propagation1 article, publié par HF Daily Papers le 7 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYehonatan Elisha, Oren Barkan, Ziv Weiss Haddad et al.huggingface.co
ConEx: Human-Interpretable Saliency Maps via Concept-Aware Attribution (site externe)
We introduce Concept-based Explanations (ConEx), a novel framework that bridges saliency visualization with concept-based reasoning to provide both faithfulness and interpretability.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5