KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

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

Ergebnisse für “Anchoring”

Neues Modell PAR$^2$-RAG verbessert Multi-Hop-FAQ um 23,5 %

Die neuesten Forschungsergebnisse aus dem Bereich der großen Sprachmodelle (LLMs) zeigen, dass klassische Ansätze bei Multi-Hop-Question-An…

arXiv – cs.AI 01.04.2026 04:00

Diagonal Flow Matching: Inverses Design um ein Vielfaches verbessert

Ein neues Verfahren namens Diagonal Flow Matching (Diag‑CFM) verspricht, das inverse Design in der Technik drastisch zu optimieren. Im Gege…

arXiv – cs.LG 18.03.2026 04:00

Steve‑Evolving: Selbstlernende Agenten für offene Welten

In offenen, dynamischen Umgebungen müssen autonome Agenten langfristige Aufgaben bewältigen. Der entscheidende Engpass liegt nicht in der Q…

arXiv – cs.AI 16.03.2026 04:00

Neuer Digital‑Twin‑Prototyp ermöglicht Fehlersuche mit wenigen Daten

Intelligente Fehlerdiagnose (IFD) ist heute ein entscheidendes Werkzeug, um die Sicherheit und Zuverlässigkeit industrieller Anlagen zu gew…

arXiv – cs.AI 10.03.2026 04:00

SynergyKGC: Topologie‑Aware Lösung für Knowledge‑Graph‑Completion

Knowledge‑Graph‑Completion (KGC) setzt auf die nahtlose Kombination von vortrainierten Entitätsemantik‑Modellen mit heterogenen topologisch…

arXiv – cs.AI 12.02.2026 05:00

TaperNorm: Normenfrei in Transformers – stabile Trainings und schnellere Inferenz

Ein neues Verfahren namens TaperNorm ersetzt die herkömmliche Normalisierung in Transformer‑Modellen durch einen dynamischen, sample‑unabhä…

arXiv – cs.LG 12.02.2026 05:00

Geometrische Anker: Neue Methode stärkt Robustheit bei LLM-Alignment

Eine neue Technik namens Geometric Anchor Preference Optimization (GAPO) verspricht, die Zuverlässigkeit bei der Ausrichtung großer Sprachm…

arXiv – cs.LG 06.02.2026 05:00

<h1>Fehlerreduktion bei Hochauflösender Vorhersage trotz niedrigem Trainings</h1> <p>Eine neue Technik namens Frequency Representation Learning (FRL) löst das bislang ungelöste Problem der „Scale Anchoring“ bei Deep‑Learning‑Modellen, die auf niedriger Auflösung trainiert werden, aber für hochauflösende Vorhersagen eingesetzt werden sollen.</p> <p>Bei herkömmlichen Modellen ist die Fähigkeit, hochfrequente Signale zu verarbeiten, durch die Nyquist‑Frequenz der Trainingsdaten begrenzt. Das führt dazu, dass F

arXiv – cs.AI 08.12.2025 05:00

Anker in der Maschine: Beweise für Anker‑Bias in Sprachmodellen

Wissenschaftler untersuchen große Sprachmodelle (LLMs) zunehmend nicht nur als Werkzeuge, sondern auch als „Verhaltensobjekte“. Dabei stell…

arXiv – cs.AI 11.11.2025 05:00