News Radar

Ein sicherheitsgeregeltes multimodales AI-Backend für psychische Gesundheit: Hierarchische Zustandsdarstellung, konservative Risikofusion und kontrollierte Generierung in Anian

Sicherheitskritische Systeme zur Unterstützung der psychischen Gesundheit müssen unterscheiden, wann unterstützende Gespräche angemessen sind und wann die freie Generierung blockiert werden sollte. …

Eine aufgabenzentrische Ontologie und deterministische Domain-Regeln als verifierbarer Kern für KI-unterstützte Chemie-Problemlösung

Large Language Models können natürlichsprachige Chemiefragen interpretieren, aber ihr internes Reasoning ist schwer zu inspizieren, einzuschränken und zu validieren. Dieses Paper präsentiert …

CIFQA: Ein deterministisches Tool-gestütztes Multi-Agent-LLM-Framework für Finanzabfragen

Rechenintensive Finanzfragen erfordern exaktes Reasoning über strukturierte Tarife, zeitliche Bedingungen, numerische Formeln und regelbasierte Einschränkungen. Obwohl Large Language Models (LLMs) …

EduRiskX: Ein neuro-symbolisches Framework mit F-Logic-Reasoning zur frühen Vorhersage akademischer Risiken

Die Vorhersage akademischer Risiken von Schülern in der Online-Bildung ist entscheidend, um zeitnahe Interventionen zu ermöglichen, die Retention und Lernergebnisse verbessern können. Bestehende …

EEG-to-Report: Ein Annotations- und Feature-Text-Framework zum Trainieren von Sprachmodellen auf klinischen EEGs

Die klinische Elektroenzephalografie-Berichterstattung (EEG) bleibt weitgehend manuell und zeitaufwendig, und aktuelle EEG-Softwareökosysteme erzeugen nicht die strukturierte EEG-Text-Überwachung, …

Explainable Artificial Intelligence für Kundenabwanderungsprognose in der Telekommunikation: Ein Framework zur CRM-Integration

Die Abwanderung von Abonnenten ist eine kostspielige, persistente Herausforderung für Telekommunikationsanbieter, mit einer monatlichen Abwanderung von etwa 1,9% auf reifen Märkten, die jährlich …

GROUND: Reduzierung von Halluzinationen in LLM-basierter Enterprise-Analytik durch kontrollierte semantische Definitionen

Natürlichsprachige Analytik über Enterprise-Data-Warehouses wird zunehmend wichtiger, aber der Produktionseinsatz ist durch halluzinierte Metriken, ungültige Joins, falsche Granularität, unsicheren …

Große Modelle für Batterie-Prognostik und Gesundheitsverwaltung: Eine Übersicht und zukünftige Roadmap

Battery Prognostics and Health Management (BPHM) ist entscheidend für den sicheren, zuverlässigen und kostengünstigen Betrieb von Batterien in Elektrofahrzeugen, Stromspeichern und …

Nutzung großer Sprachmodelle für systematische Literaturübersicht zu Ausbreitungsmodellen

Jüngste Fortschritte in Large Language Models (LLMs) haben neue Möglichkeiten geschaffen, viele Forschungsprozesse zu rationalisieren und möglicherweise zu automatisieren, einschließlich …

LLMs für akademische Workflows: Eine Bewertung von Literaturübersichten mit kurzen und langen Kontext-Fenster von LLMs

Unsere Forschung konzentriert sich auf die Bewertung von Literaturübersichten, die in kurzen und langen Kontext-Settings großer Sprachmodelle generiert werden, um die Auswirkung des Kontext-Fensters …

PICasso: Ein AI-gestütztes Design-Framework zur autonomen Optimierung von Silicon-Photonic-Geräten

Wir präsentieren PICasso, ein KI-unterstütztes Framework für automatisierte Synthese, Verifikation und Optimierung von photonischen integrierten Schaltkreisen (PICs) aus natürlichsprachigen …

SAREF-basierte Ontologie für verteilte AI-Workflows über das Edge-Fog-Cloud-Kontinuum

Heutzutage bieten semantische Modelle begrenzte Unterstützung für die Darstellung verteilter AI-Workflows und deren Ausführung über heterogene Edge-, Fog- und Cloud-Umgebungen. Daher werden …

Standalone LLM und vordefinierte agentic Pipeline zur Erklärung von ICU-Mortalitätsprognosen: Eine Machbarkeitsstudie mit dem eICU-Demonstrationsdatensatz

Machine-Learning-Modelle können ICU-Mortalität genau vorhersagen, aber Feature-Attribution-Methoden allein liefern selten die klinische Erzählung, die für den Bedside-Einsatz erforderlich ist. Large …

Das Genauigkeit-Effizienz-Paradoxon: Quantifizierung des Nettoenergieverlausts bei On-Device-Energieprognosen

Energieprognosen zielen darauf ab, die Genauigkeit zu maximieren, um Energieeffizienz durch Reduzierung von Energieverschwendung sicherzustellen – ein Ziel, das gleichermaßen für On-Device-Prognosen …

KI-gestützte Mental-Health-Chatbots in Afrika: Systematische Übersicht und kulturell adaptive Rahmenstruktur

arXiv:2608.24890v1 Ankündigungstyp: neu Abstract: Mentale Gesundheitsprobleme in Afrika bleiben unterversorg aufgrund unzureichender Infrastruktur, Stigmatisierung und chronischem Mangel an …

Dynamische Einfluss-gewichtete Destillation für Single-IMU-Aktivitätserkennung

arXiv:2608.24904v1 Ankündigungstyp: neu Abstract: Inertiale Sensoren an mehreren Körperpositionen können die Aktivitätserkennung verbessern, aber die Anforderung jedes Sensors bei der Inferenz erhöht …

ExFold: Vereinigte Expert Folding für trainingsfreie MoE Prefill-Decode Beschleunigung

arXiv:2608.24938v1 Ankündigungstyp: neu Abstract: Mixture-of-Experts (MoE) Modelle skalieren Kapazität für starke Qualität, während pro-Token-Berechnung durch sparse Expert Aktivierung begrenzt …

FAMPWQ: Fisher-Information-basierte adaptive gemischte Präzisions-Gewichtsquantisierung für effiziente LLM-Inferenz

arXiv:2608.24945v1 Ankündigungstyp: neu Abstract: Die letzten Jahre haben bemerkenswerte Erfolge von Large Language Models (LLMs) in mehreren Domänen gesehen, während die exzessiven …

GreenLeaf Law Embed Tiny: Ein kompaktes Embedding-Modell für juristische Domain-Abfragen

arXiv:2608.24936v1 Ankündigungstyp: neu Abstract: Wir präsentieren GreenLeaf Law Embed Tiny, ein 0,6B-Parameter-Embedding-Modell für juristische Domain-Abfragen. GreenLeaf-Tiny erreicht 75,11% auf …

Multi-modale Anomalieerkennung: Eine Übersicht

arXiv:2608.24937v1 Ankündigungstyp: neu Abstract: Multi-modale Anomalieerkennung (MMAD) erkennt seltene abnormale Ereignisse aus heterogenen Datenquellen und wird zunehmend in sicherheits- und …