Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
arXiv:2605.26172v1 Ankündigungstyp: neu Abstract: Wenn Sprachmodelle Test-Zeit-Sampling verwenden, generieren sie mehrere Reasoning-Trajektorien und wählen eine Antwort durch Mehrheitsvotum. Wir …
arXiv:2605.26184v1 Ankündigungstyp: neu Abstract: Hybrids Post-Training kombiniert üblicherweise überwachtes Fine-Tuning und Reinforcement Learning, aber feste Mischungspläne können sich nicht …
arXiv:2605.26121v1 Ankündigungstyp: neu Abstract: Die Effizienz des LLM-Vortrainings hängt zunehmend von der Datenzusammensetzung ab, nicht vom reinen Volumen. Das optimale Mischen wird jedoch durch …
arXiv:2605.26190v1 Ankündigungstyp: neu Abstract: Dieses Paper präsentiert HRVConformer, eine neuartige Deep-Learning-Architektur zur Klassifizierung von hypoxisch-ischämischer Enzephalopathie (HIE) …
arXiv:2605.26175v1 Ankündigungstyp: neu Abstract: Low-Bit-Aktivierungsquantisierung bleibt ein großer Engpass in der effizienten Bereitstellung großer Sprachmodelle (LLM). Die Schwierigkeit besteht …
ITBench-AA: Frontier Models schneiden unter 50% bei erstem Benchmark für Agentic Enterprise IT-Aufgaben ab – von Artificial Analysis und IBM
arXiv:2605.26189v1 Ankündigungstyp: neu Abstract: Quantisierungsbewusstes Training (QAT) mit Low-Bit-Gleitkommaformaten ermöglicht effiziente LLM-Bereitstellung, führt aber zu subtilen Ausfallmodi, …
arXiv:2605.26147v1 Ankündigungstyp: neu Abstract: Menschliches Entscheidungstreffen ist sequenziell und unsicherheitsbewusst, doch Standard-Neuronale Netze verlassen sich oft auf statische, dichte …
arXiv:2605.26162v1 Ankündigungstyp: neu Abstract: Asynchrones dezentralisiertes föderiertes Lernen (ADFL) eliminiert zentrale Koordination und globale Synchronisierung, was es für großmaßstäbliche …
arXiv:2605.26167v1 Ankündigungstyp: neu Abstract: Wir stellen Lie-Gruppen-eingebettete dynamische neuronale Netze (LieEDNN) und entsprechende Lernalgorithmen basierend auf Gradientenabstieg und …
arXiv:2605.26135v1 Ankündigungstyp: neu Abstract: Unüberwachte Anomalieerkennung wird vielfach in der Transaktionsbetrugserkennung eingesetzt, wo Kennzeichnungen knapp sind. Isolation Forest (IF) ist …
arXiv:2605.26128v1 Ankündigungstyp: neu Abstract: Produktions-LLM-Systeme benötigen zunehmend maschinenlesbare Ausgaben: JSON-Objekte, typisierte Traces, Regex-beschränkte Felder und …
arXiv:2605.26161v1 Ankündigungstyp: neu Abstract: Zeitreihen-Foundation-Modelle (TSFMs) werden zunehmend auf großen Corpora vortrainiert, was Bedenken aufwirft, dass Evaluationsdatensätze während des …
arXiv:2605.26171v1 Ankündigungstyp: neu Abstract: Viele praktische Anomalien sind nicht nur seltene Eingaben, sondern Verstöße gegen semantische Einschränkungen: Objekte treten strukturiert zusammen …
arXiv:2605.22871v1 Ankündigung Typ: neu Abstract: Machine Unlearning ist ein grundlegender Mechanismus, der das Recht auf Vergessenwerden durchsetzt. Bestehende Unlearning-Studien, die sich auf …
arXiv:2605.22866v1 Ankündigung Typ: neu Abstract: Compound-AI-Systeme leiten Aufgaben durch Hierarchien spezialisierter Komponenten. Attribution wird von Shapley-basierten Methoden (SHAP) dominiert, …
arXiv:2605.22883v1 Announce Type: new Abstract: Aktuelle AI-Energie-Benchmarks messen den Verbrauch auf der Granularität eines einzelnen Model-Aufrufs oder Trainings-Durchlaufs. Für klassische …
arXiv:2605.22869v1 Ankündigung Typ: neu Abstract: Sowohl vollständiges Fine-Tuning (Full FT) als auch Parameter-effiziente Fine-Tuning-Methoden wie LoRA führen Gewichtsaktualisierungen durch, ohne …
arXiv:2605.22868v1 Ankündigung Typ: neu Abstract: Autonome Systeme und Smart-Industry-Deployments verteilen zunehmend Berechnung auf Near-Sensor-, Edge- und Cloud-Ressourcen, wo strenge Energie-, …
arXiv:2605.22885v1 Announce Type: new Abstract: Formale Mathematik-Bibliotheken expandieren schnell und schaffen einen wachsenden Bedarf, verifizierte Beweise zu refaktorieren für Wartbarkeit und um …