Verfolge KI. Verstehe, was wichtig wird.

PRAISE: Effizientere Agentic Search-Trainings mit Prefix-Reuse

Ein neues Verfahren namens PRAISE (Prefix-based Rollout reuse for Agentic search with Intermediate Step rEwards) verspricht, die Effizienz…

57-Token-Vorhersagefenster in Sprachmodellen: Energiesystem zur Fehlverhaltenssteuerung

Eine neue Veröffentlichung auf arXiv liefert einen bahnbrechenden Ansatz zur Steuerung von Fehlverhalten in großen Sprachmodellen. Die Auto…

KI wird nach christlichem Wohlstand bewertet – neue Benchmark zeigt Bias

Eine neue Studie aus dem arXiv-Repository hat ein innovatives Bewertungssystem für künstliche Intelligenz vorgestellt, das die Antworten vo…

BWTA: Binarisierter Transformer mit hoher Genauigkeit und Effizienz

Ultra‑low‑bit‑Quantisierung verspricht enorme Effizienzgewinne für Transformer‑Modelle, doch Genauigkeitsverluste und eingeschränkte GPU‑Un…

Neues Benchmark FeynmanBench testet multimodale KI bei physikalischen Diagrammen

Die Wissenschafts-Community hat heute ein neues Tool vorgestellt: FeynmanBench, ein Benchmark, der multimodale große Sprachmodelle (MLLMs)…

KI trifft Ästhetik: LLMs und Vision‑Modelle optimieren Netzwerkvisualisierung

Die Darstellung von Netzwerken wird seit langem von heuristischen Metriken wie dem Stresswert bestimmt, die davon ausgehen, dass deren Opti…

VERT: Neue LLM-Juroren verbessern Radiologiebericht-Bewertung um 11,7 %

In einer wegweisenden Studie zeigt das neue LLM-basiertes Bewertungssystem VERT, dass die Bewertung von Radiologieberichten deutlich genaue…

Thrive Logic & Asylon bringen KI in die Unternehmensperimeter-Sicherheit

In einer wegweisenden Kooperation setzen Thrive Logic, ein führendes Unternehmen im Bereich KI-gesteuerter Sicherheits- und Betriebsintelli…

Mehragenten-LLM-Komitees: Kollaps messen & diversitätsorientierter Konsens

In einer neuen Studie untersuchen Forscher, wie Multi‑Agenten‑LLM‑Komitees – also mehrere Instanzen desselben Modells, die unter unterschie…

Bayessches Fine‑Tuning von LLMs: Unsicherheitsabschätzung mit Low‑Rank‑Adapters

Ein neues Verfahren aus dem arXiv‑Preprint Scalable Variational Bayesian Fine‑Tuning of LLMs via Orthogonalized Low‑Rank Adapters bietet ei…

<p>LLM-Poker-Agenten entwickeln ToM‑ähnliches Verhalten dank Speicher</p> <p>Eine neue Untersuchung auf arXiv zeigt, dass große Sprachmodelle (LLMs) in dynamischen Interaktionen – hier beim Texas Hold'em Poker – ein ToM‑ähnliches Verhalten entwickeln können, wenn sie über persistente Erinnerung verfügen. Das Ergebnis ist ein klarer Beweis dafür, dass ToM nicht nur in statischen Szenarien, sondern auch in laufenden Gesprächen und Spielen entstehen kann.</p> <p>Die Studie umfasste 20 unabhängige Experimente m