Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “CAT”
Forschung

<h1>Neues Ensemble-Lernmodell liefert 98,8 % Genauigkeit bei Pflanzenklassifikation</h1> <p>Die Landwirtschaft steht vor wachsenden Herausforderungen wie Klimawandel, Bodendegradation und Ressourcenknappheit. Um diesen Problemen mit datenbasierten Lösungen zu begegnen, wurde ein erklärbares Ensemble-Lernframework entwickelt, das optimierte Feature-Pyramiden, tiefe neuronale Netze, Selbstaufmerksamkeitsmechanismen und Residualnetze kombiniert.</p> <p>Das Modell nutzt einen Datensatz von 3 867 Beobachtungen m

arXiv – cs.LG
Forschung

<p>LLM-Agenten als CFO? Benchmark prüft langfristige Ressourcenplanung</p> <p>Neues Forschungsprojekt zeigt, dass große Sprachmodelle zwar komplexe Aufgaben lösen können, aber bei der langfristigen Allokation knapper Ressourcen unter Unsicherheit noch stark hinter den Erwartungen zurückbleiben. Das von der Forschung entwickelte Benchmark‑System <em>EnterpriseArena</em> simuliert 132 Monate eines Unternehmens und kombiniert echte Finanzdaten, anonymisierte Geschäftsunterlagen, makroökonomische Signale sowie

arXiv – cs.AI
Forschung

<p>CLiGNet: Neue Benchmark ohne Datenleckage für klinische Transkripte</p> <p>Die automatische Zuordnung von klinischen Transkripten zu medizinischen Fachrichtungen ist ein entscheidender Schritt für die Weiterleitung, Kodierung und klinische Entscheidungsunterstützung. Frühere Studien auf dem beliebten MTSamples-Benchmark wurden jedoch durch ein gravierendes Datenleck beeinträchtigt, da SMOTE‑Oversampling vor dem Aufteilen in Trainings- und Testdaten angewendet wurde. Das neue Paper dokumentiert diesen met

arXiv – cs.AI
Forschung

<p>Multiverse-Archiv: Mehr als 140 Zeitreihen-Datensätze für maschinelles Lernen</p> <p>Die Forschung im Bereich des maschinellen Lernens mit Zeitreihen (TSML) wächst stetig. Ein wesentlicher Treiber dafür ist die Verfügbarkeit von Benchmark-Datensätzen, die Aufgaben wie Klassifikation, Clustering und Regression ermöglichen. Das seit 2018 bekannte UEA-Archiv mit 30 multivariaten Zeitreihen-Klassifikationsdatensätzen hat sich zu einer unverzichtbaren Ressource entwickelt und wird in Hunderten von Publikation

arXiv – cs.LG
Forschung

<h1>MixedDimKV: Granulare KV-Cache‑Kompression für effiziente Transformer‑Long‑Context</h1> <p>Transformer‑Modelle nutzen häufig Key‑Value‑Caching, um die Inferenz zu beschleunigen. Doch der Speicherbedarf wächst linear mit der Eingabelänge, was lange Kontexte praktisch unzugänglich macht. Traditionelle Token‑Eviction‑Methoden reduzieren den Speicher, indem sie weniger wichtige Tokens einfach verwerfen – ein sehr grober Ansatz, bei dem jedem Token entweder die volle Dimension oder gar keine zugewiesen wird.

arXiv – cs.LG