KI News: Kurz und klar.

Ein neues Papier aus dem arXiv präsentiert eine mathematisch fundierte Methode, um die Anzahl der internen „Denken“-Tokens, die ein einzelner Large‑Language‑Model‑Server pro Anfrage zuweist, optimal zu bestimmen. Dabei werden die unterschiedlichen Aufgabenarten, die in einem heterogenen Anfrage‑Strom auftreten, berücksichtigt. Die Anfragen folgen einem Poisson‑Prozess und jede Aufgabe hat eine bekannte Priorität.

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Projektionstyp vorgestellt, der die Erhaltung von Integralgrößen in Physics‑Informed Neural Networks (PINNs) garantiert. Der Ansatz adressiert ein zentrales Problem: Soft‑Constraints, die PINNs nutzen, um die Struktur partieller Differentialgleichungen einzuhalten, erlauben zwar Flexibilität beim Training, führen aber häufig dazu, dass physikalische Gesetze verletzt werden.