Internationale Tech- und KI-Nachrichten, automatisch kuratiert und ins Deutsche übersetzt. Automatische Übersetzung — der Originaltext ist über den Quellenlink verfügbar.
arXiv:2608.11215v1 Ankündigungstyp: neu Abstrakt: Die Simulation von Gesellschaften vieler großer Sprachmodell (LLM) Agenten ist teuer, doch die Fragen, die solchen Simulationen gestellt werden, sind …
arXiv:2608.11229v1 Ankündigungstyp: neu Abstrakt: Vergleichendes Feedback, das Menschen fragt, welches von zwei Verhaltensweisen sie bevorzugen, ist zur Standardmethode geworden, um Robot- und …
arXiv:2608.10030v1 Da AI-Agenten zunehmend in komplexen Umgebungen eingesetzt werden, ist das Verständnis ihres Verhaltens entscheidend. Doch verhaltenswissenschaftliche Forschung an AI-Agenten …
arXiv:2608.09949v1 Diese Studie evaluiert die Anwendung von Large Language Models (LLMs) in komplexen biologischen Systemen, die sich von Datenanalyse zu autonomer, AI-gesteuerte Experimentation …
arXiv:2608.10010v1 Low-Precision-Datentypen reduzieren die Kosten von Language Models, aber die meisten Formate optimieren die Skalar-Genauigkeit, während die durch ihre Produkte induzierte …
arXiv:2608.10037v1 Large Language Models (LLMs) verlassen sich zunehmend auf externe Tools, um komplexe reale Aufgaben zu bewältigen, wodurch Tool-Dokumentation eine kritische Grundlage für …
arXiv:2608.10045v1 Das Problem des Lernens aus paarweisen Vergleichen wurde in vielen Bereichen wie Empfehlungssystemen, Sozialer Wahl und kürzlich beim Fine-Tuning großer Language Models untersucht. …
arXiv:2608.10039v1 Agentic Workflows sind zu einer wichtigen Abstraktion für den Aufbau zuverlässiger LLM-basierter Automatisierungssysteme geworden, indem Large Language Models (LLMs), Tools und …
arXiv:2608.09986v1 Die meisten bestehenden multimodalen Sentimentanalyseverfahren setzen Zugang zu vollständigen multimodalen Eingaben voraus. In der Praxis entstehen jedoch häufig unvollständige …
arXiv:2608.10047v1 In der modernen Industrie hängt es davon ab, komplexe Systeme zuverlässig, sicher und effizient zu halten, von Prognostics and Health Management (PHM) ab. Machine Learning (ML) hat …
arXiv:2608.10004v1 Concept Bottleneck Models (CBMs) bieten ein interpretierbares Framework durch die Verankerung von Vorhersagen in menschenverständlichen Konzepten, was semantische Inspektion und …
arXiv:2608.10016v1 Heterogene Federated-Systeme erfordern, dass Agenten informative Repräsentationen lernen und austauschen, trotz Unterschiede in Datenverteilungen, Sensormodalitäten, …
arXiv:2608.09967v1 Deep Reinforcement Learning (DRL)-Agenten erzielen starke Leistungen in komplexen Umgebungen, doch ihre Entscheidungsprozesse bleiben schwer zu interpretieren. Wir stellen SPOT …
arXiv:2608.09998v1 Artificial Intelligence (AI) und Machine Learning (ML) sind zu mächtigen Werkzeugen zur Unterstützung und Automatisierung komplexer menschlicher Aufgaben geworden. Trotz ihrer …
arXiv:2608.09997v1 Transformer haben einen tiefgreifenden Einfluss auf die Sprachverarbeitung und Computer Vision. Während die Bemühungen, die Million-Dollar-Frage ‘Wie lernt ein …
arXiv:2608.10007v1 Der aktuelle State-of-the-Art (SOTA) bei tiefen randomisierten neuronalen Netzen, wie Deep Random Vector Functional Link (dRVFL) und Ensemble Deep RVFL (edRVFL), behandelt alle …
arXiv:2608.10042v1 Tool-nutzende LLMs werden zunehmend gebeten, im Namen von Benutzern zu handeln, doch bestehende Benchmarks konzentrieren sich normalerweise auf Profilrückruf, Stil-Imitation, …
arXiv:2608.06410v1 Ankündigungstyp: neu Abstract: Automatisiertes Agent-Design verbessert Agent-Harnesses durch iterative Überarbeitung, Evaluierung und Feedback-Zusammenfassung. Bestehende Methoden …
arXiv:2608.06427v1 Ankündigungstyp: neu Abstract: Generative Modelle können eine Beobachtungsverteilung reproduzieren, während sie eine inkorrekte kausale Struktur kodieren. Wir untersuchen ein …
arXiv:2608.06486v1 Ankündigungstyp: neu Abstract: In einem Feature-tokenisierten Transformer (arXiv:2106.11959) wie BiomeGPT (doi:10.64898/2026.01.05.697599) wird jeder Input-Token durch Fusion einer …