KI News: Kurz und klar.

Die neue Methode Trifuse verbessert die Zuordnung von Sprachbefehlen zu grafischen Benutzeroberflächen (GUI) erheblich, ohne dass dafür riesige Datensätze benötigt werden. Anstatt herkömmliche multimodale große Sprachmodelle (MLLMs) mit umfangreichen GUI‑Datensätzen zu feintunen, nutzt Trifuse die bereits vorhandenen Aufmerksamkeitsmechanismen dieser Modelle und ergänzt sie um gezielte räumliche Anker.

Claude Cowork ist die benutzerfreundliche Variante von Anthropics KI‑Tool Claude Code, das speziell für die Verwaltung von Dateien und grundlegende Rechenaufgaben entwickelt wurde. Mit einer intuitiven Oberfläche lassen sich Befehle in natürlicher Sprache eingeben, die die KI sofort ausführt.

Mit RoboTic‑Tac‑Toe erleben Spieler ein völlig neues Brettspiel: Zwei physische Roboter bewegen sich über ein klassisches Tic‑Tac‑Toe‑Board, während das gesamte Spielgeschehen von großen Sprachmodellen (LLMs) koordiniert wird. Durch die Kombination von Robotik und KI entsteht ein interaktives Erlebnis, das sowohl Technikbegeisterte als auch Brettspielfans anspricht.

Wissenschaftler haben ein neues Verfahren entwickelt, das Sprachbefehle aus dem Elektroenzephalogramm (EEG) erkennt und gleichzeitig die Zuverlässigkeit der Vorhersagen bewertet. Durch die Kombination von tiefen Ensembles kompakter, sprachorientierter Convolutional‑Netzwerke mit einer nachträglichen Kalibrierung und selektiver Klassifikation kann das System nicht nur genaue Ergebnisse liefern, sondern auch angeben, wann es sich unsicher fühlt.

Stellen Sie sich vor, Ihr Smartphone versteht Sprachbefehle und schlägt das perfekte Wort vor – und das alles ohne Internetverbindung.

Eine kürzlich veröffentlichte Arbeit auf arXiv präsentiert einen bedeutenden Fortschritt bei Vision‑Language‑Action (VLA) Modellen, die in der Robotik eingesetzt werden. Diese Modelle nutzen multimodale Eingaben, wobei sprachliche Anweisungen eine zentrale Rolle spielen – nicht nur bei der Vorhersage von Aktionen, sondern auch bei der robusten Interpretation der Nutzerabsicht, selbst wenn die Anforderung unmöglich umzusetzen ist.

Google hat ein neues KI-basiertes Fotobearbeitungstool auf den Markt gebracht, das direkt in die Kamera-App der Pixel-Geräte integriert ist. Das Tool nutzt maschinelles Lernen, um Fotos automatisch zu optimieren und bietet dabei eine breite Palette an Bearbeitungsoptionen.

Black Forest Labs hat sein FLUX.1 Kontext‑[dev]-Modell für die Bildbearbeitung als NVIDIA NIM‑Mikroservice veröffentlicht. Der Service ermöglicht es Anwendern, vorhandene Bilder mit einfachen Sprachbefehlen zu verändern, ohne dass ein Fine‑Tuning oder aufwendige Workflows erforderlich sind.