KI News: Kurz und klar.

Die rasche Verbreitung von IoT-Geräten hat zu riesigen Sensornetzwerken geführt, die Umwelt- und Stadtphänomene in Echtzeit überwachen. Ein neues Forschungsprojekt nutzt das Konzept der „Communities of Interest“ (CoIs), um heterogene Sensornetze zu organisieren und Anomalien in Temperaturdaten effizient zu erkennen.

Die neuesten Fortschritte bei großen Sprachmodellen (LLMs) stehen vor drei zentralen Problemen: begrenzte Kontextlängen, hohe Inferenzkosten und das katastrophale Vergessen bei kontinuierlichem Lernen. Mixture-of-Experts (MoE)-Architekturen können einige dieser Konflikte mildern, doch ihre Routing‑Mechanismen beruhen meist auf explizit trainierten Hilfs‑Klassifikatoren, die die Systemkomplexität erhöhen und die Interpretierbarkeit bei gemischten Domänen erschweren.

In der KI-Welt ist die Erkennung von Daten außerhalb des Trainingsbereichs – Out-of-Distribution (OOD) Detection – entscheidend für sichere Anwendungen. Traditionelle Verfahren nutzen oft die Trainingsdaten, was in datenschutzkritischen Szenarien problematisch ist.