Finde Modelle, Firmen und Themen

Multi-Agent-LLM-Systeme, die auf Edge-Geräten laufen, stoßen häufig an die Grenzen des verfügbaren RAMs. Auf einem Apple M4 Pro mit einem C…

Ein innovatives KI-System namens AIS‑TGNN kombiniert ein Temporal Graph Attention Network mit einem strukturierten Large‑Language‑Model, um…

In einer neuen Studie wird die bisherige Symmetrie im Transformer‑Attention‑Mechanismus in Frage gestellt. Während klassische Modelle diese…

Die quadratische Komplexität der Selbst‑Attention‑Phase behindert die Nutzung von Sprachmodellen mit sehr langen Kontexten. Bestehende Spar…

In einer kürzlich veröffentlichten Arbeit auf arXiv präsentiert das Forschungsteam die Architektur „Flowers“, ein neuronales Modell, das di…

In den letzten Jahren haben transformerbasierte Modelle die Entwicklung der natürlichen Sprachverarbeitung maßgeblich vorangetrieben. Dabei…

In einer neuen Studie wird gezeigt, wie physikalische Dynamiksysteme als natürliche Informationsverarbeiter genutzt werden können. Durch ge…

FlexAttention hat jetzt einen FlashAttention‑4‑Backend auf den neuesten NVIDIA GPUs Hopper und Blackwell. Das bedeutet deutlich schnellere…

Eine neue Architektur für Transformer‑Modelle, die sowohl Sätze als auch strukturierte Daten gleichzeitig trainiert, wurde vorgestellt. Das…

Wissenschaftler haben ein innovatives Modell entwickelt, das die Robustheit von Netzwerken gegen Angriffe präzise vorhersagen kann. Durch d…

Ein neues Papier auf arXiv (2603.02531v1) legt einen grundlegenden Rahmen vor, der die bislang getrennten Ansätze der Diffusion‑Guidance un…

Eine neue Untersuchung auf arXiv zeigt, dass Transformer‑Modelle, die sparsames Attention end‑to‑end trainieren, die Routing‑Signale ihrer…

Eine aktuelle Studie aus dem Bereich der Neurowissenschaften präsentiert ein neuartiges Modell zur frühzeitigen Erkennung von Pornografie‑S…

Um die Zuverlässigkeit von Graph Neural Networks (GNNs) zu erhöhen, hat ein Forschungsteam ein neues, auf Eigenschaften basierendes Evaluat…

Die zuverlässige Umsetzung von 4‑Bit‑Attention ist ein entscheidender Schritt für die vollständige FP4‑Rechnung auf den neuesten FP4‑fähige…

In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam das Brain-OF-Modell, das erstmals fMRI, EEG und MEG gemeinsam in eine…

Die Entschlüsselung von Hirnaktivitäten mittels Elektroenzephalographie (EEG) ist ein zentrales Thema in der Neurowissenschaft und in klini…

Ein neues Modell namens MolFM-Lite kombiniert drei unterschiedliche Darstellungen von Molekülen – die 1‑D‑Sequenz in SELFIES, die 2‑D‑Graph…

In einer kürzlich veröffentlichten Studie wird die klassische Self‑Attention‑Architektur von Sprachmodellen neu interpretiert – als probabi…

State‑Space‑Modelle (SSMs) haben sich als leistungsstarke Grundlage für die Modellierung von langen Sequenzen etabliert. Durch das HiPPO‑Fr…

Die Multi‑Head Attention (MHA) bildet das Herz moderner Large Language Models, doch ihre lineare Skalierung birgt ein Problem: Jeder der H…

Die Modellierung von PDE-Dynamiken für Flüssigkeiten hat sich in den letzten Jahren stark auf neuronale Operatoren und Transformer‑basierte…

Ein neues arXiv-Preprint (2602.21546v1) präsentiert eine bahnbrechende Architektur, die das Flexible Job Shop Scheduling (FJSP) mithilfe de…

Das neue Toolkit AngelSlim, entwickelt vom Tencent Hunyuan Team, bietet eine umfassende Lösung zur Kompression großer KI‑Modelle. Durch die…

In einer neuen Studie wurden die leistungsstarken Sprachmodelle BERT, SciBERT und BioBERT mit biomedizinischen Entitäten, die über scispaCy…

Ein neues Positionspapier beleuchtet die Frage der algorithmischen Fairness in multimodalen großen Sprachmodellen (MLLMs). Dabei wird unter…

TabPFN hat sich als leistungsstarkes Basismodell für tabellarische Daten etabliert, stößt jedoch an Grenzen, wenn heterogene Modalitäten wi…

Der Wettlauf um die größte generative KI war lange Zeit ein Spiel des „größer ist besser“. Doch die Grenzen des Stromverbrauchs und der Spe…

Attention‑Learner, wie Transformer‑Netze, sind besonders gut darin, komplexe Zusammenhänge zwischen Sequenzen und ihren Eigenschaften zu er…