<p>Profilbasierte Angriffe enthüllen Datenschutzrisiken bei Lerndiagnose-Modellen</p> <p>Moderne Lernplattformen nutzen kognitive Diagnosemodelle (CDMs), um Lernende sehr detailliert zu profilieren. Diese Modelle werden jedoch mit sensiblen Schülerdaten trainiert, was erhebliche Bedenken hinsichtlich des Datenschutzes aufwirft.</p> <p>Bislang wurde die Gefahr von Membership‑Inference‑Attacks (MIA) – Angriffen, die versuchen, festzustellen, ob ein bestimmter Datensatz im Trainingsmaterial enthalten war – kau

<h1>KI ersetzt Ingenieure? Warum menschliche Expertise noch unverzichtbar bleibt</h1> <p>Die KI‑Code‑Tools‑Marktlandschaft boomt: Der Marktwert liegt bei 4,8 Billionen USD und wächst jährlich um 23 %. Unternehmen stehen vor der Herausforderung, KI‑Coding‑Agenten einzusetzen und gleichzeitig die hohen Kosten für menschliche Entwickler zu reduzieren. Laut dem CEO von OpenAI kann KI mehr als 50 % der Aufgaben übernehmen, die heute von Ingenieuren erledigt werden. Anthropic’s CEO prognostizierte sogar, dass KI

Tesla genehmigt Musk ein Milliarde-Paket, aber Bedingungen bleiben <p>Tesla hat offiziell die Genehmigung für ein außergewöhnliches Vergütungspaket für CEO Elon Musk erteilt, das bis zu 1 Billion US-Dollar wert sein könnte. Das Angebot ist Teil eines umfassenden Anreizsystems, das darauf abzielt, die langfristige Wertschöpfung des Unternehmens zu fördern.</p> <p>Der maximale Betrag ist jedoch stark an die Wertentwicklung von Tesla gekoppelt. Nur wenn der Aktienkurs des Unternehmens einen signifikanten A

<p>MLLMs nutzen Bilder statt Text für 87,5 % bessere Kaufvorhersage</p> <p>Ein neues arXiv‑Papier beleuchtet, wie multimodale große Sprachmodelle (MLLMs) Nutzerverhalten interpretieren und welche Darstellungsform am effektivsten ist. Die Autoren stellen die Plattform <strong>BehaviorLens</strong> vor, ein Benchmarking‑Framework, das Transaktionsdaten in drei unterschiedlichen Modalitäten präsentiert: als Textabschnitt, als Streudiagramm und als Flussdiagramm.</p> <p>Durch die Analyse eines realen Kaufsequen

<h1>LogHD: Logarithmische Klassenskalierung erhöht Robustheit und Effizienz von HDC</h1> <p>Hyperdimensional Computing (HDC) ist ideal für Systeme mit begrenztem Speicher, geringer Energieaufnahme und hoher Zuverlässigkeit. Das klassische „ein Prototyp pro Klasse“-Modell benötigt jedoch Speicher proportional zu <em>O(C·D)</em>, wobei <em>C</em> die Anzahl der Klassen und <em>D</em> die Dimensionalität der Hypervektoren ist. Diese Speicherintensität limitiert die Einsatzmöglichkeiten von HDC in ressourcenbes

Algorithmus erlaubt gezieltes Löschen von Schülerdaten in Lernmodellen In einer Zeit, in der das „Recht auf Vergessen“ immer stärker in den Fokus rückt, stellt die neue Studie von PrivacyCD einen wichtigen Fortschritt dar. Die Autoren zeigen, dass herkömmliche kognitive Diagnosemodelle (CD) bislang kaum Mechanismen besitzen, um einzelne Schülerdaten vollständig zu entfernen. Das neue Verfahren, genannt hierarchisch wichtigheitsgesteuertes Vergessen (HIF), löst dieses Problem gezielt. HIF nutzt die Tat

<p>NYU entwickelt effizientere Diffusionsarchitektur für Bildgenerierung</p> <p>Forscher der New York University haben eine neue Architektur für Diffusionsmodelle entwickelt, die die semantische Darstellung der erzeugten Bilder deutlich verbessert. Das Modell, genannt Diffusion Transformer mit Representation Autoencoders (RAE), bricht mit einigen etablierten Annahmen und nutzt neueste Erkenntnisse aus dem Bereich des Representation Learning.</p> <p>RAE arbeitet effizienter und genauer als herkömmliche Diffu