News Radar

BudgetBench: Ein Budget-gestaffeltes Protokoll und Pilotframework zur Evaluierung von Memory-Strategien in lokalen LLM-Agenten

arXiv:2609.13149v1 Ankündigungstyp: neu Zusammenfassung: Für lokale LLM-Agenten ist aktiver Kontext eine knappe Ressource: Memory-Kapazität, Prefill-Latenz, Cache-Wachstum und Service-Ziele begrenzen …

Kritikalität bei unähnlicher Zerlegung und Unterabtastung von zufälligen Datensätzen mit Anomalien

arXiv:2609.13201v1 Ankündigungstyp: neu Zusammenfassung: Trainingsdatensätze für kommende LLMs würden eine erhebliche Menge an AI-Text-/Bilddaten enthalten, die von aktuellen LLMs generiert wurden. …

Datenschutz bei KI: OpenAI lässt KI-Prompts von Menschen lesen

Unterlagen belegen: Externe Dienstleister lesen und bewerten Chatverläufe von ChatGPT-Nutzern zur Verbesserung des Modells. (OpenAI, KI)

Evaluierung von LLM-generierten Regeln zur Herzerkrankungsvorhersage

arXiv:2609.13192v1 Ankündigungstyp: neu Zusammenfassung: Diese Studie vergleicht traditionelle Machine-Learning-Modelle und von LLMs generierte regelbasierte Systeme zur Herzerkrankungsvorhersage mit …

heise+ | KI-Kosten analysiert: So funktioniert die Ökonomie der Sprachmodelle

Wir blicken hinter die Preisschilder und klären, was die Kosten verschiedener KI-Aufgaben beeinflusst und wo Nutzer am geschicktesten sparen können.

LLMs oder Naive Bayes? Alte Schätze oder neue Wege

arXiv:2609.13185v1 Ankündigungstyp: neu Zusammenfassung: Large Language Models (LLMs) werfen eine wiederkehrende Frage in der Forschungsberechnung auf: Sollten klassische Methoden wie Naive Bayes …

Machine Unlearning für Speech Question Answering in großen Audio-Language-Modellen

arXiv:2609.13195v1 Ankündigungstyp: neu Zusammenfassung: Large Audio-Language Models (LALMs) haben kürzlich starke Fähigkeiten bei Speech-Verständnis und Question Answering (QA) gezeigt, erben aber …

Task-aware Federated Fine-Tuning für MoE-basierte Large Language Models

arXiv:2609.13395v1 Ankündigungstyp: neu Zusammenfassung: Mixture-of-Experts (MoE) ist eine weit verbreitete Architektur für Large Language Models (LLMs) geworden, da sie Modellkapazität verbessert, …

ZGCM-1: Ein vollständig Open-Source und äußerst effizienter Foundation Model für Mathematik und Agentic Search

arXiv:2609.13356v1 Ankündigungstyp: neu Zusammenfassung: In dieser Arbeit präsentieren wir ZGCM-1, ein vollständig offenes 7B-Dense-Foundation-Model, das von Grund auf mit extremer Daten-, System- …

Doubao Phone Assistant startet Verbraucherversion mit Beta-Telefon-Steuerfunktionen

ByteDance’s Doubao Phone Assistant hat seine Verbraucherversion gestartet und bietet bildschirmbasierte Q&A, lokale Suche über Fotos, Nachrichten und Notizen sowie Unterstützung für …

Erklärbare Vorhersage aus Mobile-Sensing-Daten durch LLM-gesteuerte Konzept-Integration

arXiv:2609.11995v1 Mobile Sensing ermöglicht die longitudinale Überwachung von Verhaltens- und physiologischen Mustern in alltäglichen Umgebungen. Allerdings bleibt eine genaue Vorhersage in kleinen …

Fester Zustand, langer Reichweite: Was ein konstant dimensionierter Cache bei Block Diffusion im großen Maßstab bringt

arXiv:2609.11998v1 Diffusions-Language-Modelle dekodieren Token parallel, aber ihr bidirektionaler Denoiser schließt den naiven Key-Value (KV) Cache hinter schneller autoregressiver Inference aus. …

(g+) Der Mythos vom Millionen-Token-Kontext: Warum KI bei längeren Eingaben schwächelt

KI-Hersteller bewerben Kontextlängen von Millionen von Zeichen, doch trotzdem versagen die Modelle bei großen Dokumenten. Wir erklären die Hintergründe. Eine Analyse von Tim Elsner (KI, Software)

Nutzen oder Modellieren? Isolieren des Harness-Effekts beim agentengestützten Coding mit einer kontaminationskontrollierten privaten Suite

arXiv:2609.11987v1 Ein agentengestütztes Coding-System koppelt ein Language Model mit einem Harness: die Tools, Prompts und Control Flow, die ein Chat-Modell in einen autonomen Software-Engineer …

Schaue vor dem Sprung: Vor-Aktion-Verifizierung für LLM-Agenten

arXiv:2609.11957v1 Ein LLM-Agent agiert in der Welt durch die Ausgabe von Aktionen: Shell-Befehle zum Ausführen, Bearbeitungen zum Anwenden. Eine falsche Aktion schlägt nicht immer laut fehl; sie …

Occamy-1.0: Open Pareto-Frontier 35B Intelligence für Co-work

arXiv:2609.11977v1 Co-work-Agenten führen komplexe Workflows aus, die Informationsbeschaffung, Tool-Nutzung, Codierung und Dateiverwaltung über viele Modell-Aufrufe hinweg kombinieren. Da sich Kosten …

Nur auf der TechCrunch Disrupt 2026: Was passiert, wenn OpenAI deine Roadmap ausliefert?

Wenn du ein AI-Unternehmen aufbaust, geht es nicht darum, ob Foundation Models sich weiterentwickeln. Es geht darum, ob dein Unternehmen weiterhin Wert schafft. Das größte Risiko ist nicht, ein …

OpenAI führt Gespräche über das Training von Modellen in Australien

OpenObserve zeigt, warum KI-Agenten falsche Antworten geben

OpenObserve 1.0.0 bietet eine neue Observability-Umgebung für LLM-Anwendungen, erweiterte Alarme, SLOs und schnellere PromQL-Abfragen.

Leistung, Effizienz und Zusammenbruch – Vorteile und Herausforderungen beim Offline-Nachtraining von Code-LLMs

arXiv:2609.11956v1 Nachtraining mit Reinforcement Learning (RL) ist eine kritische Phase bei der Entwicklung von Code-generierenden Large Language Models (LLMs), da es die Einhaltung von Anweisungen …