Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
Die Gewährleistung der Stromnetzsicherheit ist für Stabilität und Zuverlässigkeit essentiell. Eine effektive Klassifizierung von Contingencies ermöglicht proaktive Entscheidungsfindung.
Diese Studie untersucht die Fähigkeit von LLMs, das Risiko wetterbedingte Zwangsausfälle im Verteilnetz vorherzusagen, ohne markierte Trainingsdaten.
Technischer Bericht über EXAONE Forecast for Finance (EXAONE Finance), ein Financial Time Series Foundation Model speziell für Finanzprognosen. Neuere TSFM erreichen starke Zero-Shot-Performance …
AI in der Rekrutierung hat sich von der Automatisierung von Profilpaaren und Ranglisten zu mehrstufigen Workflows entwickelt, die Evidenz abrufen, Kandidaten vergleichen und Aktionen unterstützen …
Die Evaluierung von Agents auf wachsenden Agent-Benchmarks ist herausfordernd. Harbor Adapters bietet eine einheitliche Evaluierungsinfrastruktur für Agent-Benchmarks.
Präsentation von Iris-mini und Iris-pro, zwei Search Agents trainiert in 35B-A3B und 397B-A17B Skalierungen, zusammen mit der Data Pipeline und dem Trainingsrezept.
Bestehende Post-hoc-Erklärer für Machine-Learning-Klassifizierer konzentrieren sich hauptsächlich auf Feature Attribution. Dieser Ansatz hat Schwierigkeiten, komplexe kombinatorische Muster zu …
WiFi-basierte Human Activity Recognition ist ein wichtiger Bestandteil von integriertem Sensing and Communications. Die meisten bestehenden WiFi-HAR-Systeme basieren jedoch auf Deep-Learning-Modellen.
Sparse Autoencoders werden weit verbreitet zur Interpretation von Language-Model-Aktivierungen genutzt. Ein einzelner gemeinsamer SAE kann eine Sammlung dedizierter SAEs pro Modell ersetzen.
Latente World Models werden zunehmend beliebter zur Vorhersage und Planung im latenten Raum statt im Pixelraum. Neuere Architekturen wie LeWorldModel trainieren Encoder und Predictor gemeinsam mit …
arXiv:2609.03003v1 Ankündigungstyp: neu Abstract: Causal Inference ist die Praxis der Schätzung der Auswirkung einer Behandlung oder Intervention aus Daten. Sie erfordert traditionell eine …
arXiv:2609.02984v1 Ankündigungstyp: neu Abstract: Der konventionelle Ansatz zum Machine Learning, nämlich Daten sammeln, Modelle trainieren und Inferenz an einem Ort durchführen, hat grundlegende …
arXiv:2609.03117v1 Ankündigungstyp: neu Abstract: Neural Fields (NFs) ordnen kontinuierliche Koordinaten zu Signalen wie Farbe oder Dichte zu, aber schnelle hochqualitative Rekonstruktion aus …
arXiv:2609.03079v1 Ankündigungstyp: neu Abstract: On-Device LLM Inferenz ist attraktiv für Datenschutz und Reaktionsfähigkeit, bleibt aber auf mobilen und eingebetteten Geräten herausfordernd, weil …
arXiv:2609.03069v1 Ankündigungstyp: neu Abstract: Neural Operators sind schnelle, differenzierbare Surrogates für physikalische Simulation, aber ihre Genauigkeit verschlechtert sich oft, wenn sich …
arXiv:2609.02986v1 Ankündigungstyp: neu Abstract: Hybrid-Architekturen, die Full Attention (FA) und Linear Attention (LA) kombinieren, werden zunehmend prominenter, doch ihre Aufteilung bleibt …
arXiv:2609.02993v1 Ankündigungstyp: neu Abstract: Gaussian-Process Bayesian Optimization (GP-BO) zeichnet sich bei Black-Box-Optimierung kostspieliger Funktionen aus, z.B. Hyperparameter-Optimierung …
arXiv:2609.03026v1 Ankündigungstyp: neu Abstract: Mechanistische Interpretierbarkeit wird zunehmend verwendet, um Interventionen wie Activation Steering, Circuit Removal und Safety Monitoring zu …
arXiv:2609.03106v1 Ankündigungstyp: neu Abstract: Scaling Laws im modernen Deep Learning beschreiben, wie sich der Held-Out Loss verbessert, wenn Modellkapazität, Trainingsdaten und Compute zunehmen, …
arXiv:2609.02981v1 Ankündigungstyp: neu Abstract: Künstliche Intelligenz verändert die Form von angewandten Englisch-Materialien von festen Papiersequenzen zu adaptiven Lernsystemen, die Lernende …