La société d’IA spécialisée dans la compréhension vidéo Filer a annoncé le 21 octobre que deux de ses articles de recherche ont été acceptés à la conférence NeurIPS 2026. Les travaux, Continuous Audio Thought (CoAT) et Geometric Anchor Preference Optimization (GAPO), sont prévus pour une présentation le 10 décembre à Sydney, en Australie.
CoAT : capter l’information non verbale
CoAT permet à l’IA d’intégrer directement des informations non verbales de la parole — émotion, intonation et hauteur — qui sont souvent perdues lors de la conversion de la parole en texte. Appliqué à trois modèles vocaux, 38 des 42 métriques d’évaluation se sont améliorées. En particulier, la précision de reconnaissance des émotions vocales du modèle Qwen2.5-Omni est passée d’environ 55 % à environ 79 %.
GAPO et la robustesse face aux données erronées
GAPO réduit l’impact des données incorrectes ou incertaines dans les processus d’entraînement reposant sur des évaluations par préférence humaine. La méthode mesure la stabilité des résultats en opérant de petites modifications du modèle et diminue le poids d’entraînement des données instables. Filer a appliqué GAPO à quatre modèles et l’a comparé à huit méthodes d’entraînement existantes, indiquant des performances globales solides en qualité de réponse et en préférences utilisateurs, ainsi qu’une stabilité conservée lorsqu’une expérience a introduit des erreurs dans 20 % des données d’entraînement.
Implications pour Filer
Filer prévoit d’exploiter ces résultats pour ses solutions de Brand Safety, visant à éviter l’exposition de publicités à des contenus inappropriés, ainsi que pour sa technologie de modération de contenu. Jongseok Kim (김종석), responsable IA de Filer, a expliqué que, pour déterminer la sécurité d’une vidéo, il convient de prendre en compte non seulement les scènes à l’écran mais aussi le ton de la voix et les bruits de fond, et que l’entreprise poursuivra le développement de technologies capables d’analyser ces informations sans les omettre.
