<h1>China verkauft Elektroautos, muss nun Batterien entsorgen</h1> <p>In August 2025 beschloss Wang Lei, 39 Jahre alt, endlich sein 2016 gekauftes Elektroauto zu verkaufen. Damals war das Fahrzeug eines chinesischen Kompaktmodells, das von staatlichen Subventionen und dem Versprechen der Förderung heimischer Innovationen unterstützt wurde. Heute steht China vor einer neuen Herausforderung: die Entsorgung und das Recycling der Milliarden Batterien, die in den verkauften Fahrzeugen verbaut sind.</p> <p>China

<p>GNNs optimieren physikbasierte Simulationen mit weniger Daten</p> <p>Ein neues Forschungsprojekt, veröffentlicht auf arXiv (2512.15767v1), präsentiert einen hybriden Twin-Ansatz, der Graph Neural Networks (GNNs) nutzt, um die Lücken in klassischen physikbasierten Modellen zu schließen. Durch die Kombination von Finite-Elemente‑Simulationen mit datengetriebenen Korrekturen kann die Genauigkeit komplexer, ungestellter Phänomene deutlich verbessert werden, ohne dass riesige Datensätze erforderlich sind.</p>

<p>LLMs neu gedacht: CogER nutzt kognitive Elastik für effiziente, genaue Antworten</p> <p>Ein neues Forschungsdokument aus dem arXiv-Repository präsentiert CogER – ein innovatives Framework, das die Art und Weise, wie große Sprachmodelle (LLMs) logische Aufgaben angehen, grundlegend verändert. Während bisherige Modelle meist zwischen schnellen und langsamen Denkmodi schwankten, setzt CogER auf eine hierarchische, kognitiv inspirierte Strategie, die sich dynamisch an die Komplexität jeder einzelnen Anfrage

<p>KI‑getriebenes Greenwashing: Vergleich der strafrechtlichen Haftung in Indien, USA und EU</p> <p>Ein kürzlich veröffentlichtes Preprint auf arXiv untersucht, wie die drei größten Wirtschaftsräume – Indien, die Vereinigten Staaten und die Europäische Union – strafrechtlich für KI‑unterstützte Greenwashing‑Vorgänge haften. Die Analyse zeigt, dass die bestehenden Gesetze in allen drei Jurisdiktionen stark auf menschliche Absicht ausgerichtet sind und damit algorithmische Täuschung kaum abdecken.</p> <p>Die

<h1>Bit-Fehler steuern KI-Beschreibungen: Neue Methode BLADE enthüllt</h1> <p>Eine kürzlich veröffentlichte Studie auf arXiv zeigt, dass selbst ein einziger Bit-Flip in den Gewichten eines großen Sprachmodells die Bedeutung von Bildbeschreibungen verändern kann – ohne die Grammatik zu stören. Die Forschung richtet sich damit an ein bislang wenig erforschtes Gebiet: die semantische Wirkung von Hardwarefehlern in generativen KI-Systemen.</p> <p>Im Fokus steht ein Bildbeschreibungsmodell, das aus visuellen Mer

Quantum Decision Transformer: 2000 % Leistungssteigerung offline<br/><p>Ein neues Modell für das Offline‑Reinforcement‑Learning, der Quantum Decision Transformer (QDT), hat in einer aktuellen Studie auf arXiv einen Durchbruch erzielt. Während herkömmliche Decision Transformer (DT) bei langen Zeithorizonten und komplexen Zustands‑Aktions‑Abhängigkeiten an ihre Grenzen stoßen, nutzt QDT quantum‑inspiriertes Design, um diese Schwächen zu überwinden.</p><p>Der QDT kombiniert zwei zentrale Bausteine: eine Quantu

<h1>Embedding-basierte Halluzinations-Erkennung in RAG-Systemen: Grenzen der semantischen Illusion</h1> <p>Retrieval-Augmented Generation (RAG)-Systeme bleiben trotz der Einbindung von Suchergebnissen anfällig für Halluzinationen. Aktuelle Erkennungsansätze stützen sich vor allem auf semantische Ähnlichkeit und Natural Language Inference (NLI), doch ihre fundamentalen Grenzen wurden bislang nicht systematisch untersucht.</p> <p>In einer neuen Studie wenden die Autoren die Konfidenzvorhersage (conformal pred