Suche nach Bias | meineki.news

Maschinelles Vorstellungsvermögen verbessert Zero-Shot-Kommonsense-Logik

Neuste Fortschritte im Zero-Shot-Kommonsense-Reasoning haben vortrainierte Sprachmodelle (PLMs) dazu befähigt, umfangreiches Allgemeinwisse…

arXiv – cs.AI 06.03.2026 05:00

Forschung

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

Timer‑S1: Milliarden‑Skaliges Zeitreihen‑Modell mit Serial Scaling

Timer‑S1 ist ein neues Mixture‑of‑Experts‑Modell für Zeitreihen, das mit 8,3 Milliarden Parametern und 0,75 Milliarden aktivierten Paramete…

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

Dynamische Datenauswahl: Neue Definition von Repräsentativität und Vielfalt

In einer neuen Studie wird gezeigt, wie dynamische Datenauswahl das Training von Modellen beschleunigt, ohne die Genauigkeit zu beeinträcht…

arXiv – cs.AI 06.03.2026 05:00

Forschung

Tiefe Netzwerke fördern Low‑Rank‑Bias bei Matrix Completion – neue Erkenntnisse

In einer kürzlich veröffentlichten Arbeit wird Matrix Completion mithilfe von tiefen Matrix‑Faktorisierungen – also tiefen linearen neurona…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Automatisierte Konzeptentdeckung deckt versteckte LLM‑Vorlieben auf

In einer wegweisenden Studie wurden Methoden zur automatischen Konzeptentdeckung auf Embedding‑Ebene untersucht, um die Vorlieben von Large…

arXiv – cs.AI 05.03.2026 05:00

Forschung

Biased Generalization in Diffusion Models: Wie Modelle zu stark auf Trainingsdaten zurückgreifen

In der Welt der generativen Modelle gilt die Fähigkeit, aus einer endlichen Stichprobe eine zugrunde liegende Verteilung zu lernen und neue…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Fairness in Empfehlungssystemen: Latente Präferenzen bereinigen, RL optimieren

Recommender‑Systeme, die auf Reinforcement Learning (RL) basieren, werden immer beliebter, weil sie die fortlaufende Interaktion zwischen N…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Mehrere Biases in Reward-Modellen: Mechanistische Shaping-Technik reduziert Vorurteile In einer aktuellen Studie, veröffentlicht auf arXiv, wird gezeigt, dass Reward Models (RMs), die zur Online‑Anpassung von Sprachmodellen an menschliche Präferenzen eingesetzt werden, weiterhin erhebliche Verzerrungen aufweisen. Trotz fortschrittlicher Ansätze bleiben Probleme wie längsbezogene Verzerrungen, sycophantisches Verhalten und übermäßiges Selbstvertrauen bestehen. Die Untersuchung analysierte fü

arXiv – cs.AI 05.03.2026 05:00

Forschung

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

Ein neuer Beitrag auf arXiv stellt ein innovatives Modell vor, das die Rekonstruktion großer Wellenfelder deutlich beschleunigt und gleichz…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Ohne Belohnungen: Beobachter lernen optimale Politik aus Aktionen

In der neuen Studie zum Inverse Contextual Bandit (ICB) wird untersucht, wie ein Beobachter ohne Zugriff auf Belohnungen die zugrunde liege…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neues Framework korrigiert Bias in Graph Neural Networks für heterophile Graphen

Graph Neural Networks (GNNs) haben sich als leistungsstarkes Werkzeug für die Verarbeitung von graphstrukturierten Daten etabliert. Ihre St…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Temporal imbalance erklärt Bias bei Class-Incremental Learning Mit der zunehmenden Verbreitung von Deep‑Learning in Bildverarbeitungsaufgaben gewinnt das Paradigma des Class‑Incremental Learning (CIL) immer mehr an Bedeutung. Dabei steht die Herausforderung des „catastrophic forgetting“ im Fokus: Modelle neigen dazu, neue Klassen zu bevorzugen und die Leistung auf älteren Klassen zu verlieren. Bisher wurde dieser Bias vor allem auf ein Ungleichgewicht innerhalb einzelner Aufgaben zurückgeführt und

arXiv – cs.LG 04.03.2026 05:00

Forschung

Preconditioning verbessert Flow-Matching-Training durch bessere Konditionierung

Ein neues Papier auf arXiv beleuchtet, wie die Geometrie der Zwischendichten in Flow‑Matching‑ und score‑basierten Diffusionsmodellen die O…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Multimodale Urteilsmodelle verbessern: neues Benchmark und MCTS‑Datengenerierung

In den letzten Jahren haben multimodale große Sprachmodelle (MLLMs) zunehmend die Rolle von „Richtern“ übernommen, um präzise und konsisten…

arXiv – cs.AI 03.03.2026 05:00

Forschung

IRIS‑Benchmark: Fairness in multimodalen Sprachmodellen neu definiert

Mit der zunehmenden Verbreitung von künstlicher Intelligenz wird die Gewährleistung von Fairness zu einer zentralen Herausforderung. In der…

arXiv – cs.AI 03.03.2026 05:00

Forschung

Rooted Prefix Balance & Submodular Replay verbessern GFlowNet-Training

Generative Flow Networks (GFlowNets) ermöglichen es, große Sprachmodelle so zu feintunen, dass sie belohnungsproportionale Posteriorverteil…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neues AC‑LSTM-Modell verbessert Modellierung von Breitband-Power‑Amplifiern

Ein neu entwickeltes AC‑LSTM (Amplitude‑Conditioned Long Short‑Term Memory) Modell setzt neue Maßstäbe bei der Verhaltensmodellierung von B…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Portfolio-Reinforcement Learning: Neue Technik senkt Drawdown um 53 %

Eine aktuelle arXiv‑Studie (2602.24037v1) präsentiert einen bahnbrechenden Ansatz für die automatische Portfoliosteuerung, der die Herausfo…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Intrusive Lorentz Neural Network: Rekordleistung im hyperbolischen Lernen

In vielen realen Datensätzen liegen hierarchische Strukturen verborgen, die sich besonders gut durch hyperbolische Geometrie darstellen las…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Hierarchische Konzepte: Neue Modelle erklären Deep Learning besser

Moderne Deep‑Learning‑Netze bleiben schwer verständlich, weil ihre latenten Repräsentationen undurchsichtig sind. Das erschwert das Verstän…

arXiv – cs.LG 02.03.2026 05:00

Praxis

SHAP‑IQ: Interaktionsindex entschlüsselt Random‑Forest-Entscheidungen

In diesem Tutorial wird gezeigt, wie man eine fortschrittliche Pipeline zur erklärbaren KI mit SHAP‑IQ aufbaut. Der Fokus liegt darauf, sow…

MarkTechPost 02.03.2026 06:13

Aktuell

KI-Auditor: Wie die neue Rolle Modellverhalten überwacht

KI-Auditoren sind die neueste Generation von Prüfern, die sich nicht mehr ausschließlich auf finanzielle Transaktionen konzentrieren, sonde…

ZDNet – Artificial Intelligence 28.02.2026 10:00

Forschung

ECHO: Gemeinschaften in Attributierten Netzwerken ohne Speicherengpässe

Die neue Methode ECHO (Encoding Communities via High‑order Operators) löst ein langjähriges Problem in der Analyse von Attributen in Netzwe…

arXiv – cs.LG 27.02.2026 05:00

Forschung

Strategische Risikoscheu verbessert Kollaboration von Agenten

Viele neue Agentenmodelle verlangen, dass Agenten gemeinsam mit anderen Agenten oder Menschen zusammenarbeiten, um gemeinsame Ziele zu erre…

arXiv – cs.LG 26.02.2026 05:00

Forschung

KI-gestützte Fähigkeitenbewertung neutralisiert Selbstdarstellung

Ein neues interaktives KI-System erfasst die tatsächlichen Kompetenzen von Bewerbern präzise, ohne dass ihr persönlicher Präsentationsstil…

arXiv – cs.AI 26.02.2026 05:00

Forschung

LLMs zeigen widersprüchliche Vorlieben: Menschen vs. Algorithmen

Ein Experiment wurde durchgeführt, um die Wirkung verschiedener Konzentrationen einer chemischen Lösung auf die Wachstumsrate einer Bakteri…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Curriculum Learning spart bei BERT 33 % Trainingszeit – Modelle profitieren nicht

Ein neues arXiv‑Paper zeigt, dass ein progressives Daten‑Scheduling – ein Curriculum‑Learning‑Ansatz – die Trainingszeit von BERT um rund 3…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Physikbasierte Analyse von Querschnitts-Bias in multimodalen Modellen

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

arXiv – cs.AI 25.02.2026 05:00

Finde Modelle, Firmen und Themen

Maschinelles Vorstellungsvermögen verbessert Zero-Shot-Kommonsense-Logik

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

Timer‑S1: Milliarden‑Skaliges Zeitreihen‑Modell mit Serial Scaling

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

Dynamische Datenauswahl: Neue Definition von Repräsentativität und Vielfalt

Tiefe Netzwerke fördern Low‑Rank‑Bias bei Matrix Completion – neue Erkenntnisse

Automatisierte Konzeptentdeckung deckt versteckte LLM‑Vorlieben auf

Biased Generalization in Diffusion Models: Wie Modelle zu stark auf Trainingsdaten zurückgreifen

Fairness in Empfehlungssystemen: Latente Präferenzen bereinigen, RL optimieren

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

Ohne Belohnungen: Beobachter lernen optimale Politik aus Aktionen

Neues Framework korrigiert Bias in Graph Neural Networks für heterophile Graphen

Preconditioning verbessert Flow-Matching-Training durch bessere Konditionierung

Multimodale Urteilsmodelle verbessern: neues Benchmark und MCTS‑Datengenerierung

IRIS‑Benchmark: Fairness in multimodalen Sprachmodellen neu definiert

Rooted Prefix Balance & Submodular Replay verbessern GFlowNet-Training

Neues AC‑LSTM-Modell verbessert Modellierung von Breitband-Power‑Amplifiern

Portfolio-Reinforcement Learning: Neue Technik senkt Drawdown um 53 %

Intrusive Lorentz Neural Network: Rekordleistung im hyperbolischen Lernen

Hierarchische Konzepte: Neue Modelle erklären Deep Learning besser

SHAP‑IQ: Interaktionsindex entschlüsselt Random‑Forest-Entscheidungen

KI-Auditor: Wie die neue Rolle Modellverhalten überwacht

ECHO: Gemeinschaften in Attributierten Netzwerken ohne Speicherengpässe

Strategische Risikoscheu verbessert Kollaboration von Agenten

KI-gestützte Fähigkeitenbewertung neutralisiert Selbstdarstellung

LLMs zeigen widersprüchliche Vorlieben: Menschen vs. Algorithmen

Curriculum Learning spart bei BERT 33 % Trainingszeit – Modelle profitieren nicht

Physikbasierte Analyse von Querschnitts-Bias in multimodalen Modellen

🍪 Cookie-Einstellungen

Portfolio-Reinforcement Learning: Neue Technik senkt Drawdown um 53 %

Curriculum Learning spart bei BERT 33 % Trainingszeit – Modelle profitieren nicht