Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Abruf”
Forschung

τ-Knowledge: Neue Benchmark für Konversationsagenten mit unstrukturiertem Wissen In der Welt der KI‑Assistenten gewinnt die Fähigkeit, in Echtzeit auf umfangreiches, proprietäres und unstrukturiertes Wissen zuzugreifen, zunehmend an Bedeutung. Das neue Benchmark‑Set τ-Knowledge erweitert die bereits etablierte τ‑Bench-Plattform, um Agenten in realistischen, langanhaltenden Interaktionen zu testen, bei denen das korrekte Abrufen und Anwenden von Fachwissen entscheidend ist. Der Testbereich τ-Banking

arXiv – cs.AI
Forschung

<h1>Higgs-RAG: Vollständige Optimierung für Unternehmens‑Retrieval‑Generierung</h1> <p>Die Integration von Large Language Models (LLMs) in unternehmensweite Wissensmanagement‑Systeme wird durch das Retrieval‑Augmented Generation (RAG)-Paradigma vorangetrieben. Dabei wird die parametrierte Gedächtnis‑Kapazität durch externe, nicht‑parametrische Daten ergänzt. Der Sprung von Prototyp zu produktionsreife RAG‑Systeme bleibt jedoch durch drei zentrale Probleme blockiert: niedrige Abruf‑Präzision bei komplexen An

arXiv – cs.AI
Forschung

<h1>Hippocampus: Schnellere, skalierbare Speicherlösung für Agentic AI</h1> <p>Agentic KI-Systeme benötigen dauerhafte Speicher, um nutzerspezifische Historien über das begrenzte Kontextfenster von Sprachmodellen hinaus zu verwalten. Traditionelle Ansätze setzen auf dichte Vektordatenbanken oder Wissensgraphen, die hohe Abruflatenzen und schlechte Skalierbarkeit aufweisen.</p> <p>Hippocampus löst dieses Problem mit einem innovativen Ansatz: kompakte binäre Signaturen für semantische Suche und verlustfreie T

arXiv – cs.AI