Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
arXiv:2609.02987v1 Ankündigungstyp: neu Abstract: Reinforcement Learning optimiert typischerweise die durchschnittliche Belohnung. Bei generativen Policies kann der Durchschnitt einen wichtigen …
arXiv:2609.02959v1 Ankündigungstyp: neu Abstract: Was sagt ein Language Model voraus, wenn es nur wenige Anhaltspunkte hat? Die Antwort liegt in seiner Unembedding-Geometrie: Eine einzelne Richtung …
arXiv:2609.03090v1 Ankündigungstyp: neu Abstract: Kontinuierliche Chain-of-Thought Modelle komprimieren Reasoning in latente Tokens. Matrix-wertige Varianten, die jeden latenten Token durch einen d x …
arXiv:2609.02991v1 Ankündigungstyp: neu Abstract: Gelernte Graph-Simulatoren bieten eine effiziente Alternative zu hochfidelitätigen Lösern für granulare Dynamik. Allerdings hängt die granulare …
arXiv:2609.02998v1 Ankündigungstyp: neu Abstract: On-Policy Distillation (OPD) beschleunigt das Post-Training durch dichte Token-ebene Supervision von einem eingefrorenen Teacher auf den eigenen …
arXiv:2609.01679v1 Die Fähigkeit von AI-Systemen, ihr Verhalten während der Bereitstellung zu verbessern, wird zunehmend wichtig. Da Inferenz über die statische Ausführung eines festtrainierten …
arXiv:2609.01673v1 Activity-Cliff-Ranking bleibt schwierig, da lokale Strukturänderungen große Aktivitätsunterschiede verursachen können, während hochwertige Daten, die die zugrunde liegenden …
arXiv:2609.01609v1 Während Diffusion-Modelle multimodale Verhaltensrichtlinien für autonomes Fahren effektiv erfassen, bleiben Offline-Reinforcement-Learning-Richtlinien anfällig für …
arXiv:2609.01611v1 Frontier-LLMs können häufig erkennen, wenn sie evaluiert werden, eine Fähigkeit, die als Evaluation Awareness bekannt ist. Falls Modelle sich in Evaluationen anders verhalten als …
arXiv:2609.01705v1 Stochastischer Transport beschreibt physikalische Systeme, in denen sich eine anfangs strukturierte Verteilung unter ungeklärten Kräften, Streuung oder heterogenem Medium …
Vorstellung von WeatherNext 3, unserem fortschrittlichsten und präzisesten globalen Wetter-AI-Modell
arXiv:2609.01685v1 Mit der Entwicklung von AI verändert sich die Landschaft der Meta-Ethik, die sich lange auf menschliche Ethik konzentriert hat. Insbesondere könnten zukünftige AI-Systeme, wenn sie …
arXiv:2609.01615v1 Die Personalisierung eines gefrorenen LLM für einzelne Benutzer wird oft als Meta-Learning-Problem im Prompt-Space formuliert: jeder Benutzer ist eine Aufgabe, und man sucht eine …
arXiv:2609.01729v1 Kolmogorov-Arnold-Netzwerke ersetzen die festen Skalargewichte eines Standard-Netzwerks durch lernbare univariate Funktionen auf jeder Kante, aber bestehende Varianten halten immer …
arXiv:2609.01680v1 Dieses Papier vergleicht regelbasierte und Learning-basierte Preismechanismen für Peer-to-Peer-Stromhandel in Wohngebäude-Photovoltaik-Gemeinschaften. Die regelbasierten Benchmarks …
arXiv:2609.01676v1 Reinforcement Learning erreicht starke Verkehrssignalsteuerungsleistung in der Simulation, aber in Simulatoren trainierte Richtlinien schlagen oft fehl, wenn sie in der echten Welt …
arXiv:2609.01699v1 Das schnelle Wachstum von AI-Computing hat die Nachfrage nach flexiblen und hochkapazitiven Datencenter-Verbindungen erhöht. Aufgrund seiner Ultra-Wide-Bandbreite und hohen …
arXiv:2609.01608v1 Black-Box-Optimierungsprobleme bleiben herausfordernd aufgrund großer, schwach strukturierter und hochdimensionaler Suchräume. Bestehende Methoden leiden oft unter schlechter …
arXiv:2609.00064v1 Ankündigungstyp: neu Abstract: In-Context Learning (ICL) lässt Large Language Models sich von Demonstrationen aus an neue Tasks anpassen, und Fine-Tuning kann dieses Verhalten …
arXiv:2609.00032v1 Ankündigungstyp: neu Abstract: Mathematische Communities arbeiten mit verschiedenen Objekten, Invarianten und Werkzeugen, daher ist die Übertragung eines Problems zwischen ihnen …