Suche nach Attribution | meineki.news

KI‑Monitore lassen sich selbst zu leicht verurteilen – Selbstzuweisungsbias erklärt

Agentische Systeme nutzen zunehmend Sprachmodelle, um ihr eigenes Verhalten zu überwachen. Dabei prüfen Coding‑Agenten beispielsweise den v…

arXiv – cs.AI 06.03.2026 05:00

Forschung

EvoTool: Selbstoptimierung von Tool‑Nutzungsstrategien in LLM-Agenten

LLM‑basierte Agenten brauchen effektive Tool‑Nutzungsstrategien, um komplexe Aufgaben zu lösen. Die Optimierung dieser Strategien ist jedoc…

arXiv – cs.AI 06.03.2026 05:00

Forschung

Neues Benchmark-Framework Mind-ParaWorld bewertet Suchagenten in einer Parallelwelt

Die Integration von Web‑Suchtools hat die Leistungsfähigkeit von großen Sprachmodellen (LLMs) enorm erweitert, sodass sie jetzt offene, zei…

arXiv – cs.AI 06.03.2026 05:00

Forschung

Neuer Ansatz reduziert Bias bei Feature-Attributionen in KI-Modellen

In der KI-Welt sind Erklärungen zu Feature‑Attributionen ein zentrales Thema, doch viele gängige Methoden liefern oft unzuverlässige Wichti…

arXiv – cs.LG 06.03.2026 05:00

Forschung

CHIEF: Hierarchische Fehleranalyse für LLM-basierte Multi-Agenten

In der Forschung zu großen Sprachmodellen (LLM) haben Multi-Agenten-Systeme (MAS) beeindruckende Leistungen in komplexen Aufgabenbereichen…

arXiv – cs.AI 02.03.2026 05:00

Forschung

REFINE: Vorverarbeitung macht psychiatrische Fragebögen interpretierbar

Psychiatrische Fragebögen sind stark kontextabhängig und liefern oft nur schwache Vorhersagen für das spätere Symptomaufkommen. Das erschwe…

arXiv – cs.LG 02.03.2026 05:00

Forschung

ACAR: Adaptive Routing für Multi-Model-Ensemble mit auditierbarem Entscheidungsweg

ACAR (Adaptive Complexity and Attribution Routing) ist ein neues Messframework, das die Orchestrierung mehrerer KI‑Modelle unter vollständi…

arXiv – cs.AI 26.02.2026 05:00

Forschung

MINAR: Mechanistische Interpretierbarkeit für neuronale algorithmische Logik

Neuer Ansatz MINAR (Mechanistische Interpretierbarkeit für neuronale algorithmische Argumentation) eröffnet einen klaren Blick in die Funkt…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Goldene Schichten: Schnelleres Wissenseditieren in LLMs via Gradient‑Analyse

Wissensänderungen in großen Sprachmodellen (LLMs) sollen gezielt die Vorhersage für einen bestimmten Suchbegriff anpassen, ohne das Verhalt…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Vision‑Language‑Modelle: Neue Graphen prüfen kausales Denken

Neues Forschungspapier von Forschern auf arXiv (2602.20878v1) stellt einen wichtigen Schritt vorwärts in der Bewertung von Vision‑Language‑…

arXiv – cs.AI 25.02.2026 05:00

Forschung

O-Shap: Neue hierarchische SHAP-Methode verbessert Bild- und Tabellenerklärungen

Die neu vorgestellte Methode O‑Shap erweitert die klassische Shapley‑Value‑Analyse um die Owen‑Value‑Erweiterung, die Gruppenzugehörigkeite…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Kausale Feature‑Engineering mit Multi‑Agent Reinforcement Learning

In einer bahnbrechenden Veröffentlichung stellen Forscher das neue CAFE‑Framework vor, das automatisiertes Feature‑Engineering (AFE) durch…

arXiv – cs.AI 19.02.2026 05:00

Forschung

DRTC: Erkennung kritischer Entscheidungsstellen in Sprachmodell-Logik

Die Frage, wie Sprachmodelle lange, komplexe Argumentationsketten aufbauen, bleibt ein zentrales Forschungsproblem. Bisherige Erklärungsans…

arXiv – cs.LG 18.02.2026 05:00

Forschung

X-MAP: Erklärbare Fehlklassifikationsanalyse verbessert Spam-Phishing-Erkennung

Fehlklassifikationen bei Spam- und Phishing-Erkennung sind besonders gefährlich: Falsch-negative Treffer lassen Angriffe unbemerkt, während…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Neues Deep-Learning-Modell verbessert Prognose bei Glioblastom trotz Bildheterogenität

Ein neu entwickeltes Deep-Learning-Framework namens TopoGBM verspricht, die Prognosegenauigkeit bei Glioblastom (GBM) zu steigern, indem es…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Neue Theorie erklärt, wann Random Projection Einflussfunktionen erhält

In der modernen KI‑Forschung sind Einflussfunktionen ein zentrales Werkzeug, um zu verstehen, wie einzelne Datenpunkte das Training eines M…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Feature‑Salienz bestimmt XAI‑Erklärungen, nicht Informationsgehalt

Explainable‑AI‑Methoden (XAI) versprechen, die Entscheidungsprozesse von Machine‑Learning‑Modellen transparent zu machen. Dabei geht man hä…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Whitening verbessert Erklärbarkeit von KI-Modellen – neue Studie zeigt Wirkung

Eine aktuelle Untersuchung auf arXiv (2602.09278v1) beleuchtet, wie das Pre‑Processing‑Verfahren Whitening die Zuverlässigkeit von Feature‑…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Neuer Shapley-Wert berücksichtigt Prioritäten – Genauigkeit in Datenbewertung

In der Welt der datengetriebenen Modelle ist der Shapley-Wert ein bewährtes Werkzeug zur Bewertung von Daten und zur Attribution von Merkma…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Von Erklärbarkeit von Features zu Aktionen: statisch vs agentisch

Eine neue Arbeit, veröffentlicht auf arXiv (2602.06841v1), beleuchtet die Erklärbarkeit von KI-Systemen, die über mehrere Schritte hinweg h…

arXiv – cs.AI 09.02.2026 05:00

Forschung

Neue Methode verbessert Conversion‑Vorhersagen trotz Datenschutz

Wer im Online‑Marketing arbeitet, kennt das Problem: Durch neue Datenschutz‑Regeln und die Abschaffung von Drittanbieter‑Cookies sind direk…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Sybil-Modelle: Interventionsbasierte Audits decken Lungenkrebs‑Risiken auf

Lungenkrebs bleibt die häufigste Todesursache bei Krebserkrankungen und treibt die Entwicklung automatisierter Screening‑Tools an, um Radio…

arXiv – cs.LG 04.02.2026 05:00

Forschung

<h1>Interpretierbare Attributmodelle ermöglichen dynamisches Preismanagement</h1> <p>In hochdimensionalen Märkten stellt die dynamische Preisgestaltung ein komplexes Problem dar: Skalierbarkeit, Unsicherheit und Nachvollziehbarkeit stehen oft im Konflikt. Traditionelle Bandit-Ansätze nutzen latente Merkmale, die zwar effizient lernen, aber die Wirkung einzelner Produktattribute verbergen.</p> <p>Die neue Forschung führt das <strong>AFDLD‑Modell</strong> ein – ein additiv aufgebautes, attributionsbasiertes D

arXiv – cs.AI 03.02.2026 05:00

Forschung

SurrogateSHAP: Kostenlose Beitragszuordnung für Text‑zu‑Bild‑Modelle

Mit der zunehmenden Verbreitung von Text‑zu‑Bild‑Diffusionsmodellen in kreativen Arbeitsabläufen wird ein zuverlässiges System zur Bewertun…

arXiv – cs.LG 02.02.2026 05:00

Forschung

SETAs Framework für feinkörnige Robustheitsprüfung bei Multi-Netzwerk-AI-Systemen

SETA hat ein neues, modulares Testframework vorgestellt, das die Robustheit von komplexen KI-Systemen mit mehreren vernetzten neuronalen Ne…

arXiv – cs.AI 28.01.2026 05:00

Forschung

Neues Verfahren liefert zitierfähige klinische Zusammenfassungen ohne Training

In der medizinischen Dokumentation ist es entscheidend, dass Zusammenfassungen nicht nur flüssig und verständlich sind, sondern auch klar z…

arXiv – cs.AI 26.01.2026 05:00

Forschung

Neue Methode enthüllt, welche Tokens LLMs bei Vorhersagen beeinflussen

Forscher haben eine neue Technik namens Jacobian Scopes entwickelt, die es ermöglicht, genau zu bestimmen, welche einzelnen Tokens in einem…

arXiv – cs.AI 26.01.2026 05:00

Forschung

Neue Methode enthüllt innere Treiber von KI-Agenten – Mehr Transparenz

In einer wegweisenden Studie aus dem arXiv-Repository wird ein neues Verfahren vorgestellt, das die inneren Motivationen von großen Sprachm…

arXiv – cs.AI 22.01.2026 05:00

Forschung

KI braucht epistemische Verfassung: So vermeiden wir Bias bei Quellenattribution

Moderne Sprachmodelle agieren zunehmend als künstliche Denker: Sie bewerten Argumente, gewichten Glaubwürdigkeit und geben ihr Vertrauen an…

arXiv – cs.AI 22.01.2026 05:00

Forschung

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit

Mit der rasanten Verbreitung von IoT‑Geräten wächst die Angriffsfläche für Cyberbedrohungen enorm. Ein robustes Intrusion‑Detection‑System…

arXiv – cs.AI 22.01.2026 05:00

Finde Modelle, Firmen und Themen

KI‑Monitore lassen sich selbst zu leicht verurteilen – Selbstzuweisungsbias erklärt

EvoTool: Selbstoptimierung von Tool‑Nutzungsstrategien in LLM-Agenten

Neues Benchmark-Framework Mind-ParaWorld bewertet Suchagenten in einer Parallelwelt

Neuer Ansatz reduziert Bias bei Feature-Attributionen in KI-Modellen

CHIEF: Hierarchische Fehleranalyse für LLM-basierte Multi-Agenten

REFINE: Vorverarbeitung macht psychiatrische Fragebögen interpretierbar

ACAR: Adaptive Routing für Multi-Model-Ensemble mit auditierbarem Entscheidungsweg

MINAR: Mechanistische Interpretierbarkeit für neuronale algorithmische Logik

Goldene Schichten: Schnelleres Wissenseditieren in LLMs via Gradient‑Analyse

Vision‑Language‑Modelle: Neue Graphen prüfen kausales Denken

O-Shap: Neue hierarchische SHAP-Methode verbessert Bild- und Tabellenerklärungen

Kausale Feature‑Engineering mit Multi‑Agent Reinforcement Learning

DRTC: Erkennung kritischer Entscheidungsstellen in Sprachmodell-Logik

X-MAP: Erklärbare Fehlklassifikationsanalyse verbessert Spam-Phishing-Erkennung

Neues Deep-Learning-Modell verbessert Prognose bei Glioblastom trotz Bildheterogenität

Neue Theorie erklärt, wann Random Projection Einflussfunktionen erhält

Feature‑Salienz bestimmt XAI‑Erklärungen, nicht Informationsgehalt

Whitening verbessert Erklärbarkeit von KI-Modellen – neue Studie zeigt Wirkung

Neuer Shapley-Wert berücksichtigt Prioritäten – Genauigkeit in Datenbewertung

Von Erklärbarkeit von Features zu Aktionen: statisch vs agentisch

Neue Methode verbessert Conversion‑Vorhersagen trotz Datenschutz

Sybil-Modelle: Interventionsbasierte Audits decken Lungenkrebs‑Risiken auf

SurrogateSHAP: Kostenlose Beitragszuordnung für Text‑zu‑Bild‑Modelle

SETAs Framework für feinkörnige Robustheitsprüfung bei Multi-Netzwerk-AI-Systemen

Neues Verfahren liefert zitierfähige klinische Zusammenfassungen ohne Training

Neue Methode enthüllt, welche Tokens LLMs bei Vorhersagen beeinflussen

Neue Methode enthüllt innere Treiber von KI-Agenten – Mehr Transparenz

KI braucht epistemische Verfassung: So vermeiden wir Bias bei Quellenattribution

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit

🍪 Cookie-Einstellungen

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit