Finde Modelle, Firmen und Themen

Optimal Transport (OT) liefert den kostengünstigsten Transportplan zwischen zwei Wahrscheinlichkeitsverteilungen. Im Gegensatz zum klassisc…

In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz für Reinforcement Learning in Markov-Entscheidungsprozessen mit konti…

In einer neuen Veröffentlichung auf arXiv wird ein rigoroses Konzept vorgestellt, das neuronale Operatoren erweitert, um Eingabefunktionen…

Forscher haben einen bahnbrechenden Ansatz entwickelt, um den Spektralen Energiegewinn in extrem komprimierten Sprachmodellen zu maximieren…

In einer neuen Studie von Forschern der arXiv-Preprint‑Serie wird untersucht, wie ein sozialer Planer Menschen dabei unterstützen kann, bes…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Ansatz für das personalisierte Multi-Agenten‑Average‑Reward‑TD‑Ler…

Deep Reinforcement Learning hat in den letzten Jahren komplexe Entscheidungsaufgaben erfolgreich gelöst. In vielen realen Szenarien stehen…

Neurale Netzwerke (DNNs) liefern beeindruckende Leistungen, sind jedoch anfällig für gezielte Störungen, die ihre Einsatzfähigkeit in siche…

Subadditive Mengenfunktionen sind in der rechnerischen Ökonomie, bei kombinatorischen Auktionen und in KI-Anwendungen wie interpretierbarem…

Federated Learning bietet ein datenschutzfreundliches Modell für gemeinsames Lernen, doch der Erfolg hängt entscheidend von den Beiträgen d…

Die neue Bibliothek SymTorch ermöglicht es, komplexe neuronale Netzwerke in leicht verständliche, geschlossene mathematische Ausdrücke zu ü…

Wissenschaftler haben eine bahnbrechende Gleichgewichts-Theorie für Systeme von großen Sprachmodellen (LLM) entwickelt, die unter zentraler…

Moderne Vorwärtsmodelle für das Elektrokardiogramm (ECG) setzen auf eine präzise Darstellung des Rumpfes. Der Lead‑Field‑Ansatz ermöglicht…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Ansatz vorgestellt, der das Sampling aus posterioren Verteilungen…

Forscher haben ein innovatives Verfahren vorgestellt, das Generative Flow Networks (GFlowNets) ohne zusätzliche Trainingsschritte für die E…

Die Universal Approximation Theorem besagt, dass neuronale Netze beliebige stetige Funktionen auf kompakten Mengen approximieren können. In…

Ein neues arXiv‑Paper (2602.20480v1) präsentiert VINA, ein einheitliches Konzept, das die Stärken von Normalizing Flows (NFs) und Invertibl…

Parameter‑effizientes Fine‑Tuning wie LoRA ermöglicht die praktische Anpassung großer Sprachmodelle, liefert jedoch keine verlässlichen Uns…

In der Welt der Graph Neural Networks (GNNs) haben sich die klassischen Spectral‑Methoden, die auf dem Graph‑Fourier‑Transform (GFT) basier…

Forscher haben einen neuen Neural Operator namens SGNO vorgestellt, der lange Rollouts von partiellen Differentialgleichungen (PDEs) stabil…

Ein neues Verfahren namens EXACT (Explicit Attribute-Guided Decoding-Time Personalization) verspricht, die Anpassung großer Sprachmodelle a…

Ein neues Verfahren namens MePoly eröffnet einen vielversprechenden Ansatz für die Optimierung von Policies in der stochastischen Regelung…

ScaleBITS ist ein neues Quantifizierungsframework, das die Nachtrainingsgewichtsanpassung von großen Sprachmodellen (LLMs) optimiert. Ziel…

Steering‑Vektoren sind ein schlankes Verfahren, um das Verhalten von Sprachmodellen zu steuern, indem ein lernbarer Bias zu den Aktivierung…

Generative Flow Networks (GFlowNets) sind eine flexible Familie von amortisierten Samplern, die diskrete und zusammengesetzte Objekte erzeu…

In der neuesten Studie zur Sub‑Bit‑Modellkompression wird gezeigt, dass die Signatur der Gewichte – also deren Vorzeichen – ein entscheiden…

Generative Künstliche Intelligenz – insbesondere große Sprachmodelle – hat die Art und Weise, wie wir Wissenschaft, Industrie und Gesellsch…

Die Anpassung von vortrainierten Diffusionsmodellen ist ein zentrales Thema, um deren Potenzial in vielfältigen Anwendungen zu entfalten. T…

In einer neuen Studie wird ein sicheres drahtloses Agenten-Netzwerk vorgestellt, das aus einem überwachenden KI-Agenten und mehreren unters…

In der Multi-Agenten‑Reinforcement‑Learning‑Forschung stellt die Koordination großer Agentenpopulationen ein zentrales Problem dar, da der…