Finde Modelle, Firmen und Themen

In der Welt des maschinellen Lernens ist das Belohnungslernen, das auf Nutzerpräferenzen basiert, ein zentrales Werkzeug, um Agenten so zu…

In der Forschung zu programmierfähigen Agenten wird häufig die Fähigkeit gemessen, Aufgaben autonom zu lösen, indem man auf überprüfbare Be…

In der Welt der KI‑gestützten Problemlösung haben Deep-Think‑Methoden gezeigt, dass sie komplexe mathematische und wissenschaftliche Aufgab…

Forscher haben einen neuen Ansatz vorgestellt, mit dem Belohnungsmodelle ohne menschliche Annotationen skaliert werden können. Durch das Tr…

DeepResearch-9K ist ein umfangreiches, herausforderndes Datenset, das speziell für Deep‑Research‑Agenten entwickelt wurde. Es umfasst 9 000…

In einer wegweisenden Veröffentlichung skizziert ein Team von Forschern ein neues Paradigma für autonome Agenten, die nicht nur effizient l…

In der Welt der großen Sprachmodelle (LLMs) sind Belohnungsmodelle entscheidend, um die Systeme an menschliche Präferenzen anzupassen. Doch…

Ein neues Verfahren namens Duel‑Evolve nutzt die eigenen Präferenzen eines großen Sprachmodells, um seine Ausgaben zu optimieren, ohne auf…

Die neueste Veröffentlichung von CodeScaler verspricht, die Art und Weise, wie Code-LLMs trainiert und eingesetzt werden, grundlegend zu ve…

In der Peer‑Review‑Welt sind tiefgründige, evidenzbasierte Fragen entscheidend. Bisher erzeugen jedoch die meisten großen Sprachmodelle (LL…

Standard‑autoregressive Sprachmodelle erzeugen Text tokenweise aus einer festen Wortschatzliste, was zu einem baumartigen Zustandsraum führ…

In der Welt der Präferenzlernen ist die Gefahr der Überoptimierung seit langem bekannt: Modelle neigen dazu, sich zu stark an die Trainings…

Ein neues Verfahren namens EntRGi (Entropy aware Reward Guidance) hat die Art und Weise, wie Belohnungsmodelle bei diskreten Diffusion‑Spra…

Ein brandneues Verfahren namens Euphonium verspricht, die Art und Weise zu revolutionieren, wie Video‑Generierungsmodelle mit menschlichen…

In der Forschung zu multimodalen Prozessbelohnungsmodellen (MPRMs) steht die effiziente Nutzung von Trainingsdaten im Fokus. MPRMs sind ent…

Die neue Methode GOPO (Group Ordinal Policy Optimization) nutzt bei der Optimierung von KI-Modellen ausschließlich die Rangfolge von Belohn…

Neues Forschungsergebnis aus dem arXiv-Preprint Reward Shaping for Inference-Time Alignment: A Stackelberg Game Perspective zeigt, wie man…

Vision‑Language‑Modelle (VLMs) versprechen enorme Fortschritte in sensiblen Bereichen wie Medizin und Finanzen. Doch die strengen Datenschu…

In einer neuen Studie wird AutoTraj vorgestellt, ein zweistufiges Verfahren, das große Sprachmodelle (LLMs) dazu befähigt, komplexe Aufgabe…

Reinforcement Learning from Human Feedback (RLHF) ist ein zentrales Verfahren, um große Sprachmodelle an menschliche Präferenzen anzupassen…

Reinforcement Learning from Human Feedback (RLHF) hat sich als führende Methode etabliert, um große Sprachmodelle (LLMs) an menschliche Int…

Reinforcement‑Learning‑Experten stehen vor einer zentralen Herausforderung: die Belohnungsfunktion muss exakt das gewünschte Ziel widerspie…

Eine neue Veröffentlichung auf arXiv präsentiert einen innovativen Ansatz, mit dem große Sprachmodelle ihre Fähigkeiten im mehrstufigen, zu…

In der Welt der KI‑Agenten, die komplexe Werkzeuge nutzen, haben belohnungsbasierte Suchmethoden gezeigt, dass sie die Leistung deutlich st…

In der Welt der großen Sprachmodelle (LLM) hat sich das Reinforcement Learning (RL) als kraftvolles Werkzeug erwiesen, um die Fähigkeit zur…

Die Weiterentwicklung der Denkfähigkeiten großer Sprachmodelle (LLMs) steht seit langem im Fokus der Forschung. Traditionell werden dabei n…

In der Welt der großen Sprachmodelle (LLMs) stellen mehrstufige Aufgaben wie mathematisches Problemlösen eine besondere Herausforderung dar…

Moderne agentische Systeme arbeiten in Umgebungen mit extrem großen Aktionsräumen – etwa Sprachmodelle, die tausende APIs oder Abrufoperati…

Large‑Language‑Model‑basierte Multi‑Agenten‑Systeme (LLM‑MAS) haben in den letzten Jahren beeindruckende Leistungen in komplexen Aufgabenbe…

Eine neue Dissertation liefert ein umfassendes theoretisches Fundament und praxisnahe Algorithmen, die das Gebiet des konformen Reinforceme…