Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
arXiv:2605.30388v1 Ankündigungstyp: neu Zusammenfassung: Dieses Papier führt ein neues systematisches Framework zur Erkennung von Anomalien in maritimen Automatic Identification System …
arXiv:2605.30452v1 Ankündigungstyp: neu Zusammenfassung: Viele Machine-Learning-Probleme beinhalten mehrere inhärente Trade-offs, die am besten durch gradient-basierte Multi-Objective Optimization …
arXiv:2605.30448v1 Ankündigungstyp: neu Zusammenfassung: Black-Box LLM Distillation wird normalerweise als Output-Matching-Problem evaluiert: Ein Student gilt als erfolgreich, wenn seine Antworten …
arXiv:2605.30447v1 Ankündigungstyp: neu Zusammenfassung: Calibration, die Übereinstimmung von vorhergesagten Wahrscheinlichkeiten mit wahren Ergebnis-Häufigkeiten, ist essentiell für zuverlässige …
arXiv:2605.30374v1 Ankündigungstyp: neu Zusammenfassung: Die Schätzung von Hüftmuskelkräften und Gelenkmomentionen während des Gehens stützt sich typischerweise auf muskuloskelettale Simulation, die …
Mellum2 vorgestellt: Ein 12B Mixture-of-Experts Modell von JetBrains
arXiv:2605.30385v1 Ankündigungstyp: neu Zusammenfassung: Dieser Artikel soll eine Validierung meiner Alternative zu Deep Neural Networks im Kontext von LLMs bieten. Kürzlich gab es großes Interesse …
arXiv:2605.30434v1 Ankündigungstyp: neu Zusammenfassung: Echte Datenanalyse ist inhärent iterativ, aber bestehende Benchmarks evaluieren meist isolierte oder kurze interaktive Aufgaben, während die …
arXiv:2605.30393v1 Ankündigungstyp: neu Zusammenfassung: Öffentliche numerische Benchmarks erscheinen im Pretraining, daher kann eine Evaluierung, die an ein Datum gebunden ist, eher memorierte …
arXiv:2605.30358v1 Ankündigungstyp: neu Zusammenfassung: Quantum Computing befindet sich noch im Noisy Intermediate-Scale Quantum (NISQ)-Ära, wo die Leistung stark durch Rauschen eingeschränkt ist. …
arXiv:2605.30376v1 Ankündigungstyp: neu Zusammenfassung: Moderne Zeitreihen-Architekturen stehen vor einem grundlegenden Kompromiss: kanalunabhängige Modelle skalieren gut mit zunehmender Datenmenge, …
arXiv:2605.30451v1 Ankündigungstyp: neu Zusammenfassung: Group Relative Policy Optimization (GRPO) ist ein effektives Rezept zum Trainieren von Reasoning-Modellen mit verifier-basierten …
arXiv:2605.30381v1 Ankündigungstyp: neu Zusammenfassung: Deceptive Alignment, bei dem Modelle korrekte interne Darstellungen beibehalten, während sie absichtlich falsche Ausgaben produzieren, bleibt …
arXiv:2605.28849v1 Ankündigungstyp: neu Zusammenfassung: Gradient Temporal-Difference-Methoden bieten stabile Off-Policy-Vorhersagen mit linearer Funktionsapproximation, aber ihre praktische Leistung …
arXiv:2605.28889v1 Ankündigungstyp: neu Zusammenfassung: Kontextdestillation komprimiert kontextuelle Informationen in Modellparameter, doch bestehende Methoden ignorieren häufig, wie mehrere …
arXiv:2605.28866v1 Ankündigungstyp: neu Zusammenfassung: Token-basierte Zeitreihen-LLMs (TS-LLMs) haben sich als vielversprechende Richtung für Zeitreihenanalyse und Reasoning etabliert. Frühere …
arXiv:2605.28865v1 Ankündigungstyp: neu Zusammenfassung: Was lernt ein Weltmodell aus physikalischer Exploration ohne linguistische Überwachung? Wir argumentieren, dass die Antwort durch ein …
arXiv:2605.28896v1 Ankündigungstyp: neu Zusammenfassung: Low-Rank Adaptation (LoRA) hat sich als weit verbreitete Methode zur Anpassung großer Sprachmodelle etabliert, doch die durch LoRA Fine-Tuning …
arXiv:2605.28860v1 Ankündigungstyp: neu Zusammenfassung: Fine-Tuning von großen Sprachmodellen (LLMs) induziert häufig katastrophales Vergessen früherer Fähigkeiten. Jüngste Arbeiten haben gezeigt, …
arXiv:2605.28862v1 Ankündigungstyp: neu Zusammenfassung: Arzneimittelentwicklung ist ein langer und ressourcenintensiver Prozess, der aus mehreren Phasen besteht. Unter diesen Phasen spielt die …