Suche nach Überanpassung

Neues Benchmark FEWTRANS setzt neue Maßstäbe für Few-Shot-Transferlernen

Die Forschung im Bereich Few‑Shot‑Transferlernen erhält einen entscheidenden Impuls: Das neue Benchmark‑Set FEWTRANS, vorgestellt auf arXiv…

arXiv – cs.LG 03.03.2026 05:00

Forschung

INDUCTION: Benchmark für Konzeptsynthese in erster Ordnung

Auf der Plattform arXiv wurde das neue Benchmark-Projekt INDUCTION vorgestellt, das die Synthese von Konzepten in erster Ordnung (First‑Ord…

arXiv – cs.AI 24.02.2026 05:00

Forschung

Bilevel-Programmierung: Bias‑Variance‑Analyse verbessert Hyperparameter‑Optimierung

Gradientenbasierte Hyperparameter‑Optimierung (HPO) nutzt seit Kurzem Bilevel‑Programmierung, um die Hyperparameter anhand des Hypergradien…

arXiv – cs.LG 23.02.2026 05:00

Forschung

Feedback‑Truth‑Gap: Warum Lernende bei Rauschen dem Feedback folgen

Eine brandneue Untersuchung aus dem Bereich des maschinellen Lernens und der kognitiven Psychologie hat ein zentrales Phänomen aufgedeckt…

arXiv – cs.LG 20.02.2026 05:00

Forschung

AdvSynGNN: Graph Neural Networks – robuste Leistung trotz struktureller Störungen

Die neue Architektur AdvSynGNN setzt neue Maßstäbe für Graph Neural Networks (GNNs), indem sie die häufig auftretende Leistungsabnahme bei…

arXiv – cs.LG 20.02.2026 05:00

Forschung

NarraScore: Musik für Videos dank hierarchischer Affektsteuerung

Die automatische Erstellung von Soundtracks für lange Videos ist nach wie vor ein komplexes Problem. Die Hauptschwierigkeiten liegen in der…

arXiv – cs.AI 11.02.2026 05:00

Forschung

Neue Methode stärkt Sicherheit von Sprachmodellen durch gezielte Optimierungsgeometrie

Die Sicherheit großer Sprachmodelle bleibt trotz Fortschritten oft fragil, wenn die Trainingsdaten von ihrem ursprünglichen Kontext abweich…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Neuer Ansatz: Maschinelles Lernen als verlustbehaftete Kompression

Ein neues arXiv‑Veröffentlichungsdokument präsentiert einen innovativen, informationstheoretischen Blick auf die Generalisierung von Lerna…

arXiv – cs.LG 05.02.2026 05:00

Forschung

LLM-gestützte Heuristik: Game-Theoretic Co-Evolution steigert Generalisierung

Mit großen Sprachmodellen (LLMs) hat sich die automatische Entdeckung von Heuristiken (AHD) rasant weiterentwickelt. Doch bisherige Ansätze…

arXiv – cs.AI 02.02.2026 05:00

Forschung

Neues generatives Modell SIGMA-PPG verbessert PPG-Analyse drastisch

Ein neues generatives Foundation‑Model für Photoplethysmographie‑Signale, SIGMA‑PPG, hat die Analyse von PPG-Daten revolutioniert. Durch di…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Meta‑Learning verbessert Zeitreihenklassifikation bei Datenverschiebung

In vielen Ingenieur- und Wissenschaftsbereichen liefern klassische Deep‑Learning‑Modelle erst dann gute Ergebnisse, wenn Trainings- und Tes…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Leichtgewichtiger RF-Estimator liefert präzise Fahrzeitvorhersagen in Städten

In der Verkehrsplanung ist die genaue Vorhersage von Fahrzeiten entscheidend, doch bisherige Modelle erfordern oft enorme Datenmengen oder…

arXiv – cs.LG 13.01.2026 05:00

Forschung

Neues RL-Framework PRISMA verbessert Fragebeantwortung in RAG-Systemen

In einem bedeutenden Fortschritt für Retrieval-Augmented Generation (RAG) hat das Forschungsteam PRISMA vorgestellt, ein neues Reinforcemen…

arXiv – cs.AI 12.01.2026 05:00

Forschung

Baumpräconditionierte differenzierbare Optimierung und Axiome als Schichten

Ein neues Forschungsdokument präsentiert einen differenzierbaren Ansatz, der die axiomatische Struktur von Random Utility Models (RUM) dire…

arXiv – cs.LG 13.01.2026 05:00

Forschung

Neues Framework zeigt, wie Expertenpfade optimal nach dem Training genutzt werden

Eine aktuelle Studie auf arXiv (2512.11470v1) präsentiert das Plasticity‑Ceiling Framework, das die Nutzung von Expertenpfaden im Post‑Trai…

arXiv – cs.LG 15.12.2025 05:00

Forschung

FAIM: Leichtgewichtiges Frequenz-bewusstes Modell für Zeitreihenklassifikation

Die Klassifizierung von Zeitreihen ist in Bereichen wie Umweltüberwachung, medizinischer Diagnose und Körperhaltungserkennung von entscheid…

arXiv – cs.LG 10.12.2025 05:00

Forschung

Quanten-TCNN übertrifft klassische Modelle bei Aktienrenditen

Quanten‑Machine‑Learning eröffnet neue Wege, um Börsenkurse präziser vorherzusagen – besonders in komplexen, verrauschten und dynamischen F…

arXiv – cs.LG 09.12.2025 05:00

Forschung

<p>Null-Generalisierungsfehler bei zufälligen Interpolatoren: Algebraische Geometrie</p> <p>Ein neues Theorem aus der arXiv‑Veröffentlichung 2512.06347v1 zeigt, dass Interpolatoren, die bei maschinellen Lernmodellen unter einem Teacher‑Student‑Setup exakt die Trainingsdaten abbilden, bei einer ausreichenden Stichprobengröße einen Generalisierungsfehler von exakt Null erreichen. Damit wird ein zentrales Rätsel der KI‑Forschung – warum große Modelle wie tiefe neuronale Netze trotz Überanpassung oft erstaunlic

arXiv – cs.LG 09.12.2025 05:00

Forschung

Neue Evidenzbasierte Klassifikationen verbessern Unsicherheitsabschätzung in KI

In der Künstlichen Intelligenz stellt die Quantifizierung von Unsicherheiten ein zentrales Problem dar, das Entscheidungen, Risikobewertung…

arXiv – cs.LG 08.12.2025 05:00

Forschung

Agenten im Co‑Evolution: Fehler als harte Negative nutzen

Die rasante Entwicklung großer Basis‑Modelle hat die Entstehung von spezialisierten Agenten in vielen Bereichen beschleunigt. Dabei bleibt…

arXiv – cs.AI 01.12.2025 05:00

Forschung

DualLaguerreNet: Neue GNN-Architektur enthüllt Flexibilität‑Stabilitäts-Dilemma

In der Welt der Graph Neural Networks (GNNs) haben spektrale Filter wie die Adaptive Orthogonal Polynomial Filter (AOPF)-Klasse – zum Beisp…

arXiv – cs.AI 19.11.2025 05:00

Forschung

Knowledge Distillation beschleunigt Grokking trotz Datenmangel

Ein neues arXiv‑Veröffentlichung (2511.04760v1) beleuchtet das Phänomen des Grokking – die verzögerte Generalisierung von Modellen nach Übe…

arXiv – cs.LG 10.11.2025 05:00

Forschung

RLoop: Selbstverbesserndes RL-Framework steigert Generalisierung um 15 %

Ein neues Framework namens RLoop verspricht, die Grenzen des Reinforcement Learning (RL) zu sprengen. Durch einen cleveren Kreislauf aus Ex…

arXiv – cs.AI 07.11.2025 05:00

Forschung

Gewichtungsabnahme, Temperatur‑Skalierung & Early Stopping steigern Deep‑Ensemble

Die neu entwickelte Methode kombiniert Gewichtungsabnahme, Temperatur‑Skalierung und Early‑Stopping, um die Generalisierung von neuronalen…

arXiv – cs.LG 07.11.2025 05:00

Forschung

Neues RL-Framework GIFT vereint GRPO, DPO und UNA für bessere LLM‑Ausrichtung

Die neueste Veröffentlichung auf arXiv (2510.23868v1) stellt GIFT – Group‑relative Implicit Fine Tuning – vor, ein innovatives Reinforcemen…

arXiv – cs.LG 29.10.2025 04:00

Forschung

MatheMagic: Dynamische Mathematik-Benchmarks ohne Memorierung

Die Bewertung mathematischer Fähigkeiten ohne Einfluss von Memorierung ist bislang schwierig. Modelle können ein öffentliches Testset auswe…

arXiv – cs.AI 08.10.2025 05:00

Forschung

Neues Ensemble-Lernverfahren kombiniert Margin-Varianz für bessere Generalisierung

Ein neues Forschungsdokument auf arXiv präsentiert einen innovativen Ansatz für Ensemble‑Learning, der die Margin‑Varianz explizit in die V…

arXiv – cs.LG 15.09.2025 05:00

Forschung

Neuer Angriffstest enthüllt Datenschutzrisiken bei synthetischen Daten

Die Sicherstellung, dass synthetische Datensätze keine sensiblen Informationen aus den Trainingsdaten preisgeben, bleibt ein zentrales Prob…

arXiv – cs.LG 01.09.2025 05:00

Forschung

Verilog-Code-Generierung erreicht neue Rekordleistung dank Reinforcement Learning

In einer wegweisenden Studie wurde ein neues Reinforcement‑Learning‑Framework vorgestellt, das die Generierung von Verilog‑Code deutlich ve…

arXiv – cs.LG 27.08.2025 05:00

Forschung

Twin-Boot: Optimierung mit Unsicherheitsbewusstsein durch Online‑Bootstrap

Standard‑Gradient‑Descent liefert zwar punktuelle Schätzungen, aber keine Aussage über die Zuverlässigkeit dieser Schätzungen. In Modellen…

arXiv – cs.LG 22.08.2025 05:00

Finde Modelle, Firmen und Themen

Neues Benchmark FEWTRANS setzt neue Maßstäbe für Few-Shot-Transferlernen

INDUCTION: Benchmark für Konzeptsynthese in erster Ordnung

Bilevel-Programmierung: Bias‑Variance‑Analyse verbessert Hyperparameter‑Optimierung

Feedback‑Truth‑Gap: Warum Lernende bei Rauschen dem Feedback folgen

AdvSynGNN: Graph Neural Networks – robuste Leistung trotz struktureller Störungen

NarraScore: Musik für Videos dank hierarchischer Affektsteuerung

Neue Methode stärkt Sicherheit von Sprachmodellen durch gezielte Optimierungsgeometrie

Neuer Ansatz: Maschinelles Lernen als verlustbehaftete Kompression

LLM-gestützte Heuristik: Game-Theoretic Co-Evolution steigert Generalisierung

Neues generatives Modell SIGMA-PPG verbessert PPG-Analyse drastisch

Meta‑Learning verbessert Zeitreihenklassifikation bei Datenverschiebung

Leichtgewichtiger RF-Estimator liefert präzise Fahrzeitvorhersagen in Städten

Neues RL-Framework PRISMA verbessert Fragebeantwortung in RAG-Systemen

Baumpräconditionierte differenzierbare Optimierung und Axiome als Schichten

Neues Framework zeigt, wie Expertenpfade optimal nach dem Training genutzt werden

FAIM: Leichtgewichtiges Frequenz-bewusstes Modell für Zeitreihenklassifikation

Quanten-TCNN übertrifft klassische Modelle bei Aktienrenditen

Neue Evidenzbasierte Klassifikationen verbessern Unsicherheitsabschätzung in KI

Agenten im Co‑Evolution: Fehler als harte Negative nutzen

DualLaguerreNet: Neue GNN-Architektur enthüllt Flexibilität‑Stabilitäts-Dilemma

Knowledge Distillation beschleunigt Grokking trotz Datenmangel

RLoop: Selbstverbesserndes RL-Framework steigert Generalisierung um 15 %

Gewichtungsabnahme, Temperatur‑Skalierung & Early Stopping steigern Deep‑Ensemble

Neues RL-Framework GIFT vereint GRPO, DPO und UNA für bessere LLM‑Ausrichtung

MatheMagic: Dynamische Mathematik-Benchmarks ohne Memorierung

Neues Ensemble-Lernverfahren kombiniert Margin-Varianz für bessere Generalisierung

Neuer Angriffstest enthüllt Datenschutzrisiken bei synthetischen Daten

Verilog-Code-Generierung erreicht neue Rekordleistung dank Reinforcement Learning

Twin-Boot: Optimierung mit Unsicherheitsbewusstsein durch Online‑Bootstrap

🍪 Cookie-Einstellungen

RLoop: Selbstverbesserndes RL-Framework steigert Generalisierung um 15 %