Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
arXiv:2605.18804v1 Ankündigungstyp: neu Abstract: Wir schlagen Adaptive Multi-Scale Goodness Aggregation (AMSGA) vor, eine neuartige Erweiterung des Forward-Forward (FF) Algorithmus, konzipiert um …
arXiv:2605.18807v1 Ankündigungstyp: neu Abstract: Encoder-Decoder-Modelle bieten erhebliche Inferenz-Zeit-Einsparungen gegenüber reinen Decoder-Modellen, doch ihre Pretraining-Ziele leiden unter …
arXiv:2605.18793v1 Ankündigungstyp: neu Abstract: Genaue raum-zeitliche Musteranalyse ist in Bereichen wie urbaner Verkehr, Meteorologie und Public Health Monitoring kritisch. Allerdings stoßen …
arXiv:2605.18815v1 Ankündigungstyp: neu Zusammenfassung: Das Training moderner Large Language Models (LLM) ist inhärent dynamisch: Ressourcenschwankungen, RLHF-Phasenwechsel und Cluster-Elastizität …
arXiv:2605.18795v1 Ankündigungstyp: neu Abstract: Low-Rank Adaptation (LoRA) dominiert das parametereffiziente Fine-Tuning großer Sprachmodelle, doch die meisten Varianten zielen auf dichte …
arXiv:2605.18801v1 Ankündigungstyp: neu Abstract: Daten sind grundlegend für große Sprachmodelle (LLMs). Allerdings bleibt das Verständnis dafür, was bestimmte Daten für verschiedene Phasen eines …
arXiv:2605.18803v1 Ankündigungstyp: neu Abstract: Moderne aktions-konditionierte Video-World-Modelle erreichen starken kurzfristigen visuellen Realismus, bleiben aber unzuverlässig bei seltenen, …
arXiv:2605.18799v1 Ankündigungstyp: neu Abstract: Große Sprachmodelle können in der Critic-Interaktion nicht nur durch falsche Antworten scheitern, sondern auch durch Aufgabe einer anfänglich …
arXiv:2605.18794v1 Ankündigungstyp: neu Abstract: Entkopplung ist ein kraftvolles Modellierungsparadigma zur Darstellung multivariater Funktionen als Kompositionen linearer Transformationen und …
arXiv:2605.18797v1 Ankündigungstyp: neu Abstract: Die Skalierung der Modell-Performance erfordert typischerweise eine Vergrößerung des Modells. Looped Transformer bietet eine überzeugende Alternative …
arXiv:2605.18816v1 Ankündigungstyp: neu Zusammenfassung: Neuronale Surrogate ermöglichen eine Beschleunigung um mehrere Größenordnungen in CFD-Simulationen (Computational Fluid Dynamics) mit dem …
arXiv:2605.18800v1 Ankündigungstyp: neu Abstract: Post-Training Quantisierung hat sich als weit verbreitete Technik zur Kompression und Beschleunigung der Inferenz großer Sprachmodelle etabliert. Die …
arXiv:2605.18796v1 Ankündigungstyp: neu Abstract: LLM-Cascades und Model Routing versprechen niedrigere Inferenzkosten durch Senden einfacher Abfragen an ein kleines Modell und Eskalation schwieriger …
arXiv:2605.16315v1 Ankündigung: neu Abstract: Wir zeigen, dass ein Schwellwert in der Entscheidungskapazität bestimmt, ob Self-Play-Reinforcement-Learning-Agenten unter asymmetrischen …
arXiv:2605.16320v1 Ankündigung: neu Abstract: Wir präsentieren AdaGraph, einen Graph-nativen Clustering-Algorithmus, der aus dem Structure-Centric Machine Learning (SC-ML) Paradigma hervorgegangen …
arXiv:2605.16265v1 Ankündigung: neu Abstract: Die Sicherheit autonomer AI-Agenten wird zunehmend als kritisches ungelöstes Problem anerkannt. Da Agenten von passiven Text-Generatoren zu aktiven …
arXiv:2605.16309v1 Ankündigung: neu Abstract: LLM-basierte Agenten können sich von einzelnen Ausführungsfehlern erholen, scheitern aber wiederholt beim gleichen Fehler, wenn das zugrunde liegende …
arXiv:2605.16318v1 Ankündigung: neu Abstract: Der Aufbau und die Aufrechterhaltung von State zum Lernen von Policies und Value-Funktionen ist entscheidend für die Bereitstellung von …
arXiv:2605.16321v1 Ankündigung: neu Abstract: Sprache trägt Gedanken und Koordination zwischen Menschen, erreicht aber selten weiter entfernte Punkte im Spektrum verschiedener Intelligenzformen. Doch …
arXiv:2605.16262v1 Ankündigung: neu Abstract: Variationelle Ungleichungen spielen eine Schlüsselrolle in der Machine-Learning-Forschung, beispielsweise bei generativen adversarial Networks, …