Follow Starter
LLM
Achte zuerst auf Modellqualitaet, Kosten pro Nutzung und darauf, ob echte Produktverbesserungen oder nur Benchmarks kommuniziert werden.
32 Signale
News Stream
KI-News fuer Neueste Signale.
Du siehst hier den News-Stream fuer Agenten plus passende Hubs, Analysen und Rueckkehr-Einstiege.
108
Signale im Filter
6
Passende Hubs
0
Passende Analysen
News-Steuerung
Filtern, fokussieren, schnell wiederfinden.
Wechsel zwischen Tageslage, Wochenbild und Themenfokus, ohne den News-Stream zu verlassen.
Aktiver Fokus:
Agenten
Themen folgen
Alle Hubs ansehen →
Mach aus News einen persoenlichen Radar
Follow Starter
Reinforcement Learning
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
9 Signale
Follow Starter
Künstliche Intelligenz
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
7 Signale
Follow Starter
Große Sprachmodelle
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
6 Signale
Follow Starter
Sprachmodelle
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
6 Signale
Follow Starter
Automatisierung
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
5 Signale
Leitstory
Der wichtigste Einstieg in diesem Stream
Aktuell erfassen. Direkt vertiefen.
Forschung
arXiv – cs.AI
EvoTool: Selbstoptimierung von Tool‑Nutzungsstrategien in LLM-Agenten
LLM‑basierte Agenten brauchen effektive Tool‑Nutzungsstrategien, um komplexe Aufgaben zu lösen. Die Optimierung dieser Strategien ist jedoch schwierig, weil die Rückmeldungen verzögert sind und die Zuordnung von Erfolge…
•
≈1 Min. Lesezeit
Leitstory
EvoTool: Selbstoptimierung von Tool‑Nutzungsstrategien in LLM-Agenten
Themen-Hubs
Alle Hubs
Spring aus dem Strom in stabile Themen-Landingpages
Hub
LLM
Achte zuerst auf Modellqualitaet, Kosten pro Nutzung und darauf, ob echte Produktverbesserungen oder nur Benchmarks kommuniziert werden.
Hub oeffnen →
Hub
Reinforcement Learning
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
Hub oeffnen →
Hub
Künstliche Intelligenz
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
Hub oeffnen →
Hub
Große Sprachmodelle
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
Hub oeffnen →
Hub
Sprachmodelle
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
Hub oeffnen →
Hub
Automatisierung
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.
Hub oeffnen →
News Stream
Mehr Signale im Flow
Aktuell
Lisa Huang: Meisterklasse zu Gemini Gems und FinTech-Agenten
Lisa Huang, eine der erfahrensten AI-Produktmanagerinnen der Welt, erläutert in ihrer Masterclass, wie sie bei Gemini Gems und bei der Entw…
Aakash Gupta – AI & Product
Forschung
Agentische Codierer zeigen asymmetrischen Zielabweichungen bei Wertkonflikten
Agentische Codierer werden zunehmend autonom, in großem Umfang und über lange Kontextlängen eingesetzt. Während ihrer gesamten Laufzeit müs…
arXiv – cs.AI
Forschung
CoMMa: Neue Game-Theoretic Multi-Agenten für präzisere Onkologie-Entscheidungen
Ein neues arXiv-Preprint präsentiert CoMMa, ein dezentrales Framework aus großen Sprachmodellen, das speziell für die Unterstützung von Onk…
arXiv – cs.AI
Forschung
ToolSelf: Agenten lernen, sich selbst zu konfigurieren – neue LLM-Strategie
Agenten, die von großen Sprachmodellen angetrieben werden, haben bereits beeindruckende Fortschritte bei komplexen Aufgaben erzielt. Ihre L…
arXiv – cs.AI
Produkt
Full-Stack-Startvorlage für Amazon Bedrock AgentCore beschleunigt Agenten-Entwicklung
In diesem Beitrag erfahren Sie, wie Sie das Fullstack AgentCore Solution Template (FAST) in Ihrem AWS‑Konto bereitstellen und die zugrunde…
AWS – Machine Learning Blog
Forschung
Neues Survey: Wie Foundation Agents ihre Erinnerung neu denken
Die Forschung im Bereich künstlicher Intelligenz erlebt einen Paradigmenwechsel: Statt ausschließlich Modelle zu optimieren, liegt der Foku…
arXiv – cs.AI
Forschung
Neue Distillationsmethode nutzt privilegierte Infos für bessere Sprachmodelle
Forscher haben eine neue Technik entwickelt, mit der Sprachmodelle durch „privilegierte Informationen“ (PI) während des Trainings außergewö…
arXiv – cs.LG
Forschung
Neue Methode zur Unsicherheitsrechnung für verlässliche LLM-Agenten
Die Quantifizierung von Unsicherheiten (UQ) ist ein entscheidender Baustein für die Sicherheit von Anwendungen mit großen Sprachmodellen (L…
arXiv – cs.AI
Aktuell
Empfohlene KI-Tools für Produktmanager: Mein kompletter Stack
Als Produktmanager stehen Ihnen heute unzählige KI-Tools zur Verfügung – von Prompting und Co‑Piloten über Agenten bis hin zu Prototyping…
Aakash Gupta – AI & Product
Aktuell
Xcode 26.3: Apple setzt mit autonomen Agenten neue Maßstäbe in der KI-Codierung
Mit der Version 26.3 von Xcode macht Apple einen bedeutenden Fortschritt in der KI-gestützten Programmierung. Anstelle von reinen Hilfestel…
ZDNet – Artificial Intelligence
Forschung
Agentische Evolution: Der Schlüssel zur Weiterentwicklung von LLMs
Mit dem Übergang großer Sprachmodelle (LLMs) von kontrollierten Trainingsdatensätzen in offene, reale Umgebungen entsteht ein grundlegendes…
arXiv – cs.AI
Forschung
<p>LLM-Agenten zeigen beeindruckende Schritt-für-Schritt‑Logik bei kurzen Aufgaben, doch sobald die Planung mehrere Schritte vorausgehen muss, geraten sie in eine myope Haltung. In einer neuen Analyse wird erklärt, warum diese „greedy“ Vorgehensweise bei langen Entscheidungswegen versagt: Jede Aktion wird nur im Blick des nächsten Schritts bewertet, ohne die verzögerten Konsequenzen zu berücksichtigen.</p>
Um dieses Problem zu lösen, wurde FLARE – Future‑aware Lookahead with Reward Estimation – entwickelt. FLARE integriert expliziten Lookahead…
arXiv – cs.AI
Forschung
PerfGuard: Agent für visuelle Inhalte, der Tool-Performance berücksichtigt
Mit dem Aufkommen leistungsstarker Large Language Models (LLMs) haben Agenten die Möglichkeit, Aufgaben durch logisches Denken und gezielte…
arXiv – cs.AI
Forschung
MADE: Neue Benchmark-Umgebung für geschlossene Materialentdeckungen
In der Welt der computergestützten Materialforschung gibt es bislang kaum Werkzeuge, die die echte, iterative Natur des Entdeckungsprozesse…
arXiv – cs.LG
Forschung
PathWise: KI-gestützte Heuristikentwicklung mit selbstlernenden LLMs
PathWise ist ein neu entwickeltes Multi-Agenten-Framework, das große Sprachmodelle (LLMs) nutzt, um Heuristiken für kombinatorische Optimie…
arXiv – cs.AI
Praxis
Agenten statt Chatbox: Generative UI macht KI‑Interfaces lebendiger
Viele KI‑Anwendungen präsentieren sich noch immer als reine Chatbox. Diese Oberfläche ist zwar simpel, verbirgt jedoch die eigentliche Arbe…
MarkTechPost
Praxis
Dual-Agent-Governance mit konstitutioneller KI: sichere Finanzoperationen
In einem neuen Tutorial wird gezeigt, wie man ein Dual-Agent-Governance-System entwickelt, das die Prinzipien der konstitutionellen KI in F…
MarkTechPost
Forschung
Agentische BPM-Systeme: Autonomie und datengetriebene Optimierung
Seit den frühen 1990er Jahren hat die Business Process Management (BPM)-Disziplin durch fortschreitende Automatisierungstechnologien stetig…
arXiv – cs.AI
Forschung
Automatisiertes strukturelles Testen von LLM-Agenten: Methoden, Framework & Fallstudien
LLM-basierte Agenten werden in immer mehr Bereichen eingesetzt, doch ihre Interaktion mit Nutzern ohne menschliche Aufsicht erfordert umfan…
arXiv – cs.AI
Forschung
Agentische Digitale Zwillinge: Neue Taxonomie für zukünftige Möglichkeiten
Die Welt der digitalen Zwillinge (DTs) hat einen entscheidenden Schritt nach vorn gemacht: Durch die Integration von künstlicher Intelligen…
arXiv – cs.AI
Forschung
Sentipolis: Emotionale Agenten für realistische Sozialsimulationen
In der Welt der großen Sprachmodelle (LLMs) gewinnen Agenten zunehmend an Bedeutung für die Simulation sozialer Interaktionen. Doch bislang…
arXiv – cs.AI
Forschung
Intelligenz braucht Grounding, nicht Embodiment
Die jüngsten Fortschritte bei großen Sprachmodellen (LLMs) haben die wissenschaftliche Debatte darüber neu entfacht, ob ein Körper für echt…
arXiv – cs.AI
Forschung
DSGym: Neues Framework zur Bewertung und Schulung von Data‑Science-Agenten
Die Forschung im Bereich Data‑Science-Agenten hat ein neues, umfassendes Werkzeug erhalten: DSGym. Dieses Framework soll die bisher fragmen…
arXiv – cs.AI