<p>Piano: Floorplanner vereint Modulplatzierung und Pin‑Zuweisung</p> <p>In der heutigen VLSI-Entwicklung ist das Floorplanning ein entscheidender Schritt, der durch feste Umrissvorgaben, das Entfernen von Leerraum und vorgeplante Module immer komplexer wird. Besonders die Zuordnung der Pins an die Modulgrenzen beeinflusst die Leistung der folgenden Phasen – detaillierte Platzierung und Routing. Traditionelle Floorplanners berücksichtigen diese Pin‑Zuweisung jedoch häufig nicht.</p> <p>Piano löst dieses Pro
Anzeige
Ähnliche Artikel
ZDNet – Artificial Intelligence
•
Supreme Court Justiz lobt Claude: KI gewinnt im Recht?<p>Ein US-Bundesgerichtshof hat die KI von Claude gelobt und damit ein Zeichen gesetzt, dass künstliche Intelligenz im juristischen Bereich ernst genommen wird. Die positive Bewertung eines Obersten Gerichtshofs-Justiziarens signalisiert, dass die Technologie nicht mehr nur ein Experiment, sondern ein praktisches Werkzeug ist.</p><p>Viele Rechtswissenschaftler und Anwälte nutzen Claude, um Verträge zu prüfen, Urteilsbegründungen zu analysieren und rechtl
arXiv – cs.AI
•
<h1>LLM‑RAG: Automatisches Patentrecherche-System erreicht 80 % Genauigkeit</h1>
<p>Mit der rasanten technologischen Entwicklung wird die effiziente Suche und Klassifizierung von Patentanmeldungen immer wichtiger. Traditionelle Suchmethoden, die auf Schlüsselwörtern und festen Regeln basieren, können komplexe Suchanfragen nicht immer vollständig erfassen und liefern häufig unzureichende Ergebnisse.</p>
<p>Eine neue Studie präsentiert ein automatisiertes Patentrecherche-Framework, das große Sprachmodelle (LL
Towards Data Science
•
Wie Unsicherheit aus KI-Argumentation entfernen – „Where’s Marta?“ erklärt
<p>Der Beitrag „Where’s Marta?“ zeigt, wie Forscher formale Verifikation einsetzen, um die Unsicherheit großer Sprachmodelle zu reduzieren. Durch die Anwendung mathematischer Beweisverfahren können sie die Logik hinter den Antworten der Modelle nachvollziehen und Fehlerquellen systematisch ausschließen.</p>
<p>Traditionelle LLMs liefern oft plausible, aber nicht verifizierbare Aussagen. Die vorgestellte Methode kombiniert die Lei
arXiv – cs.AI
•
<p>GPU-gestützte Heuristik löst Discrete Min‑Max‑Violation-Optimierung effizient</p>
<p>Ein neues arXiv‑Veröffentlichungsdokument präsentiert die Discrete Min‑Max‑Violation (DMMV), ein allgemeines Optimierungsproblem, das die größte Regelverletzung minimiert. Durch die kontextfreie mathematische Formulierung kann DMMV auf eine breite Palette von Anwendungen mit Worst‑Case‑Leistungsanforderungen angewendet werden.</p>
<p>Die Autoren definieren DMMV präzise und untersuchen seine Eigenschaften, um ein solides
arXiv – cs.AI
•
<h1>LLMs optimieren Generalisierte Planung durch Strategie-Refinement und Reflexion</h1>
<p>In der neuesten Forschung werden große Sprachmodelle (LLMs) eingesetzt, um Python‑Programme zu erzeugen, die generalisierte Pläne für PDDL‑Domänen darstellen. Diese Pläne sind so gestaltet, dass sie über sämtliche Aufgaben eines gegebenen Domänenmodells hinweg funktionieren.</p>
<p>Frühere Ansätze generierten zunächst eine Zusammenfassung und anschließend eine Strategie in natürlicher Sprache, die dann in ein Python‑
arXiv – cs.LG
•
<p>J3O: Optimiertes Onloading & Offloading für Multi-Task-Inference mit Batch</p>
<p>Die steigende Nachfrage nach intelligenten Diensten auf ressourcenbeschränkten Edge‑Geräten hat die Entwicklung kollaborativer Inferenzsysteme vorangetrieben, die Aufgaben zwischen Endgeräten, Edge‑Servern und der Cloud verteilen. Während die meisten bestehenden Frameworks sich auf Ein‑Task‑Ein‑Modell‑Szenarien konzentrieren, erfordern Anwendungen wie autonomes Fahren oder Augmented Reality gleichzeitig mehrere Aufgaben – E