Finde Modelle, Firmen und Themen

Reinforcement‑Learning‑Systeme müssen in der Praxis mit Veränderungen in ihren Beobachtungsdaten umgehen können. Die meisten gängigen Polic…

Agentics 2.0 ist ein leichtgewichtiges, Python‑native Framework, das die Entwicklung von hochqualitativen, strukturierten und erklärbaren A…

Ein neuer Forschungsbereich, der als Federated Inference (FI) bezeichnet wird, eröffnet die Möglichkeit, dass unabhängige, privat betrieben…

In einer kürzlich veröffentlichten Arbeit auf arXiv werden neue Auswahltheoreme vorgestellt, die zeigen, dass künstliche Agenten, die unter…

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

In der realen Welt stellen Verteilungsverschiebungen ein großes Problem für die Planung dar. Ein Modell, das unter bestimmten Bedingungen g…

Die Vorhersage von Zeitreihen ist in Bereichen wie Verkehr, Energieversorgung und Meteorologie unverzichtbar. Trotz der beeindruckenden Lei…

Ein neu entwickeltes Modell namens RB‑VLA verspricht, die Grenzen aktueller Vision‑Language‑Action‑Systeme (VLA) zu überwinden. Durch die K…

In diesem Beitrag zeigen wir, wie man das 7‑Billionen‑Parameter‑Modell CodeFu‑7B – speziell für Wettbewerbsprogrammierung – mit Group Relat…

Das neu veröffentlichte Framework I‑TAP (In‑Context Latent Temporal‑Abstraction Planner) löst zwei zentrale Probleme des planungsbasierten…

Im Jahr 2025 hat Amazon SageMaker AI bedeutende Fortschritte in vier Kernbereichen erzielt: Kapazität, Preis-Leistung, Beobachtbarkeit und…

Im Jahr 2025 hat Amazon SageMaker AI bedeutende Fortschritte eingeführt, die das Training, die Feinabstimmung und das Hosting generativer K…

Forscher haben die Action-Graph-Policies (AGP) vorgestellt, ein neues Konzept, das die Koordination von Aktionen in Multi-Agenten-Umgebunge…

Hybrid‑Reasoning‑Systeme, die lernbasierte Komponenten mit modellbasierten Inferenzschritten kombinieren, werden zunehmend in tool‑unterstü…

Ein neues Reinforcement-Learning-Framework, das sich an den Strukturen des Kleinhirns orientiert, verspricht, die Grenzen herkömmlicher Alg…

Die neueste Veröffentlichung auf arXiv (2602.11408v1) stellt GHOST vor – ein strukturiertes Pruning‑Framework, das die enorme Zustandsdimen…

Eine neue Studie aus dem arXiv‑Repository zeigt, dass die Kombination von mechanistischen Kompartimentmodellen mit neuronalen Netzwerken da…

In einer wegweisenden Studie wird ein Verfahren vorgestellt, das autonome Agenten befähigt, Systeme mit verborgenen Zuständen zu erlernen u…

Eine neue Veröffentlichung auf arXiv (2601.08271v1) beleuchtet ein bislang wenig erforschtes Problem: wie große Sprachmodelle (LLMs) in Umg…

MirrorBench ist ein neues, quelloffenes Tool, das Forschern ermöglicht, die Fähigkeit von Sprachmodell-basierten User‑Proxy-Agenten zu prüf…

Ein neues arXiv‑Veröffentlichung (2601.06100v1) präsentiert einen theoretisch fundierten Ansatz, der die Anpassung von großen Sprachmodelle…

Durch die Integration von KI in Code-Review-Prozesse können Führungskräfte systemische Risiken erkennen, die bei großen Systemen oft mensch…

In der graphbasierten Multi-Agenten‑Reinforcement‑Learning‑Forschung ermöglichen Agenten, die als Knoten und ihre Kommunikationsverbindunge…

In einer jüngsten Veröffentlichung auf arXiv (2512.10371v1) stellen die Autoren AgentProg vor, ein neues Verfahren zur Verwaltung des Konte…

Wenn KI-Systeme in die Produktion gehen, kann die Zuverlässigkeit nicht mehr auf Wunschdenken beruhen. Nur durch systematische Beobachtbark…

In einer aktuellen Veröffentlichung auf arXiv wird ein umfassendes System-Level‑Taxonomie von 15 bislang verborgenen Fehlermodi in großen S…

Ein neues Forschungsdokument aus dem arXiv präsentiert die erste Methode, um in Jagd- und Fluchtszenarien (Pursuit‑Evasion Games, PEGs) rob…

In einer spannenden Weiterentwicklung der Reinforcement‑Learning‑Forschung präsentiert die arXiv‑Veröffentlichung Terra Nova als ein einzig…