News Radar

Ein Derivat-Genauigkeits-Fehlermodus in physik-informierten neuronalen Netzen: Verstärkte Benchmark-Evidenz aus Function-Value-Training

arXiv:2609.13171v1 Ankündigungstyp: neu Zusammenfassung: Physics-informed neural networks (PINNs) nutzen automatische Differentiation zur Durchsetzung von Differentialgleichungs-Residuen, aber gute …

BudgetBench: Ein Budget-gestaffeltes Protokoll und Pilotframework zur Evaluierung von Memory-Strategien in lokalen LLM-Agenten

arXiv:2609.13149v1 Ankündigungstyp: neu Zusammenfassung: Für lokale LLM-Agenten ist aktiver Kontext eine knappe Ressource: Memory-Kapazität, Prefill-Latenz, Cache-Wachstum und Service-Ziele begrenzen …

Konvergenz dann Diversifikation: Entkopplung von Konvergenz und Diversität in Multi-Objective Bayesian Optimisation

arXiv:2609.13396v1 Ankündigungstyp: neu Zusammenfassung: Multi-objective Bayesian Optimisation (MOBO) ist ein sample-effizienter Ansatz zur Optimierung teurer Black-Box-Funktionen mit mehreren …

Kritikalität bei unähnlicher Zerlegung und Unterabtastung von zufälligen Datensätzen mit Anomalien

arXiv:2609.13201v1 Ankündigungstyp: neu Zusammenfassung: Trainingsdatensätze für kommende LLMs würden eine erhebliche Menge an AI-Text-/Bilddaten enthalten, die von aktuellen LLMs generiert wurden. …

Diagnose von Fehlern in Reinforcement-Learning-Simulatoren und World Models mit kanonischen Polynom-Invarianten

arXiv:2609.13194v1 Ankündigungstyp: neu Zusammenfassung: Eine umfangreiche Literatur integriert physikalische Struktur in gelernte Dynamiken unter der Annahme, dass Modelle, die die zugrundeliegende …

Entdeckung und Bewahrung von Kategorie-Korrelationswissen via adaptiver gegenseitiger Knowledge Distillation

arXiv:2609.13199v1 Ankündigungstyp: neu Zusammenfassung: Knowledge Distillation zielt darauf ab, die Leistung leichtgewichtiger Student-Modelle durch Wissenstransfer von größeren und …

Benötigen Tabular Foundation Models immer noch Feature Engineering?

arXiv:2609.13202v1 Ankündigungstyp: neu Zusammenfassung: Feature Engineering war lange Zeit ein Eckpfeiler des Tabular Machine Learning. Tabular Foundation Models (TFMs) werden auf einem breiten …

Evaluierung von LLM-generierten Regeln zur Herzerkrankungsvorhersage

arXiv:2609.13192v1 Ankündigungstyp: neu Zusammenfassung: Diese Studie vergleicht traditionelle Machine-Learning-Modelle und von LLMs generierte regelbasierte Systeme zur Herzerkrankungsvorhersage mit …

Generalisierte Agent-Iteration: Ein formales Framework für iterative Policy-Verbesserung und rekursive Selbstverbesserung

arXiv:2609.13406v1 Ankündigungstyp: neu Zusammenfassung: Wenn wir von rekursiver Selbstverbesserung (RSI) sprechen, sprechen wir von einem Phänomen, einem Mechanismus oder einer Perspektive? Zur …

LLMs oder Naive Bayes? Alte Schätze oder neue Wege

arXiv:2609.13185v1 Ankündigungstyp: neu Zusammenfassung: Large Language Models (LLMs) werfen eine wiederkehrende Frage in der Forschungsberechnung auf: Sollten klassische Methoden wie Naive Bayes …

Machine Unlearning für Speech Question Answering in großen Audio-Language-Modellen

arXiv:2609.13195v1 Ankündigungstyp: neu Zusammenfassung: Large Audio-Language Models (LALMs) haben kürzlich starke Fähigkeiten bei Speech-Verständnis und Question Answering (QA) gezeigt, erben aber …

Specification Oracles

arXiv:2609.13415v1 Ankündigungstyp: neu Zusammenfassung: Spezifikationen sehen sich einem grundlegenden Tradeoff gegenüber: Details auslassen, und wichtige Fragen bleiben unbeantwortet; jeden Detail …

SPICE: Einfache polysemantische Feature-Interpretation via Clustering-basierter Erklärung

arXiv:2609.13198v1 Ankündigungstyp: neu Zusammenfassung: Eine der zentralen aktuellen Herausforderungen in der Interpretierbarkeit neuronaler Netze ist Polysemantik, bei der ein einzelnes Neuron …

Task-aware Federated Fine-Tuning für MoE-basierte Large Language Models

arXiv:2609.13395v1 Ankündigungstyp: neu Zusammenfassung: Mixture-of-Experts (MoE) ist eine weit verbreitete Architektur für Large Language Models (LLMs) geworden, da sie Modellkapazität verbessert, …

ZGCM-1: Ein vollständig Open-Source und äußerst effizienter Foundation Model für Mathematik und Agentic Search

arXiv:2609.13356v1 Ankündigungstyp: neu Zusammenfassung: In dieser Arbeit präsentieren wir ZGCM-1, ein vollständig offenes 7B-Dense-Foundation-Model, das von Grund auf mit extremer Daten-, System- …

DCRA: Diffusions-bedingte Representational Alignment für robustes Time-Series Learning

arXiv:2609.11997v1 Das Erlernen robuster Representationen für Time-Series-Signale unter Rauschen und Verteilungsverschiebungen bleibt eine Herausforderung, besonders in klinischen Anwendungen wie …

Effiziente AI-Modell-Bereitstellung mit Quantisierungs-Analyse-Tool

arXiv:2609.11954v1 Da Deep-Learning-Modelle zunehmend auf ressourcenbeschränkten Geräten bereitgestellt werden, wächst die Nachfrage nach effizienten Modelloptimierungstechniken. Die effektive …

Erklärbare Vorhersage aus Mobile-Sensing-Daten durch LLM-gesteuerte Konzept-Integration

arXiv:2609.11995v1 Mobile Sensing ermöglicht die longitudinale Überwachung von Verhaltens- und physiologischen Mustern in alltäglichen Umgebungen. Allerdings bleibt eine genaue Vorhersage in kleinen …

Fed-Equilibrium-Framework für topologische Pareto-Kontrolle in robustem und fairem klinischen Federated Learning

arXiv:2609.11937v1 Die Bereitstellung von Federated Learning (FL) in Multi-Center-Klinalnetzwerken steht vor der Herausforderung der Wissensdominanz, bei der Hubs mit hohem Volumen Knoten von …

FINESSE: Ein agentenbasierter Simulator und Benchmark-Datensatz für multimodale finanzielle Event-Sequenzen

arXiv:2609.11993v1 Machine-Learning-Forschung in Finanzdienstleistungen ist durch die Knappheit repräsentativer Open-Source-Datensätze begrenzt. Bestehende Ressourcen konzentrieren sich oft eng auf …