KI News: Kurz und klar.

Large Language Models (LLMs) nutzen In‑Context Learning (ICL), um mit nur wenigen Beispiel‑Demonstrationen Aufgaben zu lösen. Dabei ist die Auswahl der Prompt‑Demonstrationen entscheidend, denn sie bestimmt, welche Informationen das Modell beim Lösen einer neuen Aufgabe heranzieht.

Heterogene Graph Neural Networks (HGNNs) sind das Rückgrat moderner Deep‑Learning‑Anwendungen auf komplexen Netzwerken. Traditionelle End‑to‑End‑Modelle führen jedoch während des Trainings wiederholte Nachrichten­weitergaben durch, was bei großen, realen Graphen die Effizienz stark einschränkt. Durch Vor‑Berechnung kann das Problem gemildert werden: Nachrichten werden einmalig im Pre‑Processing zusammengefasst und in reguläre Tensoren überführt, sodass Mini‑Batch‑Training deutlich schneller läuft.