Suche nach CPU | meineki.news

SPRIG: CPU-basierte Graphsuche für Multi-Hop-Fragen ohne GPU

Die neue Methode SPRIG (Seeded Propagation for Retrieval In Graphs) ermöglicht GraphRAG-Systeme ohne GPU und ohne Token-Kosten. Im Gegensat…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Chebyshev-Polynome und anisotrope RBF-Modelle in Tabellendatenregression

In einer aktuellen Veröffentlichung auf arXiv wird die Rolle von glatten Basisfunktionen in der Tabellendatenregression neu beleuchtet. Wäh…

arXiv – cs.LG 27.02.2026 05:00

Forschung

SymTorch: Automatisierte symbolische Distillation für Deep Learning

Die neue Bibliothek SymTorch ermöglicht es, komplexe neuronale Netzwerke in leicht verständliche, geschlossene mathematische Ausdrücke zu ü…

arXiv – cs.LG 26.02.2026 05:00

Forschung

UDE-basierte Surrogates beschleunigen Agentenbasierte Epidemiemodelle um 10.000×

Eine neue Methode namens ABM‑UDE nutzt Universal Differential Equations (UDE), um agentenbasierte Epidemiemodelle (ABMs) in Sekunden zu rep…

arXiv – cs.LG 26.02.2026 05:00

Forschung

SymGraph: Symbolische Graph-Lernmethode übertrifft herkömmliche GNNs

In einem bahnbrechenden Beitrag zur Graphverarbeitung präsentiert das Forschungsteam SymGraph, ein neues symbolisches Lernframework, das di…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Neuro-Symbolische Graphgenerierung: Kontrolle und Garantien für Moleküle

In einer wegweisenden Studie stellen Forscher die Grenzen reiner Deep‑Learning‑Ansätze für die Molekül- und Graphgenerierung in den Fokus…

arXiv – cs.LG 20.02.2026 05:00

Forschung

CacheMind revolutioniert Cache-Optimierung: LLMs beantworten Fragen zu Cache‑Eviction

Die Auswahl, welcher Cache‑Eintrag evicted werden soll, bleibt eines der schwierigsten Probleme in der CPU‑Mikroarchitektur. Traditionell w…

arXiv – cs.AI 16.02.2026 05:00

Forschung

MELINOE: Durch Feintuning werden MoE-Modelle speichereffizienter

Die neue Methode MELINOE nutzt Feintuning, um Mixture-of-Experts (MoE)-Modelle deutlich speichereffizienter zu machen. MoE-Architekturen re…

arXiv – cs.LG 13.02.2026 05:00

Forschung

DABench-LLM: Benchmarking von Dataflow-Acceleratoren für LLM-Training

Die rasante Entwicklung großer Sprachmodelle hat die Leistungsfähigkeit traditioneller CPU- und GPU-Architekturen übertroffen, weil das Wac…

arXiv – cs.AI 29.01.2026 05:00

Forschung

REASON: Beschleunigung probabilistischer Logik für skalierbare Neuro‑Symbolik

Neuro‑symbolische KI‑Systeme verbinden neuronale Wahrnehmung mit symbolischem Denken, um Daten‑effiziente, interpretierbare und robuste Int…

arXiv – cs.AI 29.01.2026 05:00

Aktuell

Lokale KI auf M1 Mac: Warum mein Experiment mit Ollama ein harter Schlag war

Ich habe kürzlich ein kleines, aber intensives Experiment mit Ollama auf meinem M1‑Mac durchgeführt. Das Ziel war einfach: Lokale KI ohne C…

ZDNet – Artificial Intelligence 29.01.2026 13:57

Forschung

VibeTensor: KI-generiertes Deep‑Learning‑Framework mit eigenem CUDA‑Stack

VibeTensor ist ein völlig offenes Forschungs‑Software‑Stack‑Projekt für Deep Learning, das von LLM‑basierten Coding‑Agenten unter menschlic…

arXiv – cs.AI 26.01.2026 05:00

Forschung

GPU-Optimiertes ROCKET: CUROCKET steigert Effizienz um bis zu 11-fach

ROCKET (RandOm Convolutional KErnel Transform) ist ein seit 2019 existierender Feature‑Extraction‑Algorithmus für die Zeitreihenklassifikat…

arXiv – cs.LG 27.01.2026 05:00

Forschung

Panther: Schnellere, günstigere Deep‑Learning‑Berechnungen mit RandNLA

Die Entwicklung moderner Deep‑Learning‑Modelle wird zunehmend durch die begrenzte GPU‑Speicherkapazität und Rechenleistung eingeschränkt. R…

arXiv – cs.LG 23.01.2026 05:00

Forschung

Quantisierung für Llama-3.1-8B-Instruct: Einheitliche Bewertung von llama.cpp

Quantisierung ist ein bewährtes Verfahren, um große Sprachmodelle ressourcenschonender zu betreiben. Durch die Reduktion der Präzision der…

arXiv – cs.LG 22.01.2026 05:00

Forschung

GPU-gestützte Simulated Annealing mit p-Bits: Gerätvariabilität steigert Leistung

Ein neues, GPU-gestütztes Simulated-Annealing-Framework nutzt probabilistische Bits (p‑Bits) und modelliert dabei realistische Geräteeigens…

arXiv – cs.LG 22.01.2026 05:00

Forschung

Neues Konzept: Digitale Metabolismus trennt Logik von Fakten in LLMs

In großen Sprachmodellen verschmelzen Logik und Fakten zu einer einzigen, schwer zu trennenden Gewichtsschicht. Dieses Phänomen, das als Pa…

arXiv – cs.AI 19.01.2026 05:00

Forschung

Offline RL steuert CPU-Leistung für energieeffiziente Parallelanwendungen

Die Energieeffizienz hat sich zu einem entscheidenden Faktor im Design moderner Recheninfrastrukturen entwickelt. Durch die Integration von…

arXiv – cs.LG 19.01.2026 05:00

Forschung

<p>ORBITFLOW: Adaptive KV-Cache-Optimierung steigert LLM-Performance um bis zu 3,3×</p> <p>Die Ausführung von Sprachmodellen mit langen Kontexten stellt die KI-Community vor ein großes Problem: Während die Token‑Generierung fortschreitet, schwankt der Speicherbedarf stark, sodass die GPU‑Speicherauslastung unvorhersehbar wird. Traditionelle Offloading‑Strategien, die KV‑Caches statisch in den Host‑Speicher verschieben, können diese Schwankungen nicht in Echtzeit ausgleichen. Das führt zu häufigen CPU‑zu‑GPU

arXiv – cs.AI 19.01.2026 05:00

Forschung

Sherry: 1,25‑Bit‑Ternärquantisierung mit feingranularer Sparsifizierung

Die Verbreitung großer Sprachmodelle auf ressourcenbeschränkten Edge‑Geräten wird zunehmend durch hohe Speicher- und Rechenanforderungen ge…

arXiv – cs.LG 14.01.2026 05:00

Forschung

LUT-optimierte Kolmogorov‑Arnold‑Netzwerke für Echtzeit‑DDoS‑Erkennung auf IoT‑Gateways

Denial‑of‑Service‑Angriffe stellen eine ernsthafte Bedrohung für das Internet der Dinge dar. Für ressourcenbeschränkte Edge‑Geräte ist jedo…

arXiv – cs.LG 14.01.2026 05:00

Forschung

MaxCode: KI-Framework steigert Code-Optimierung um bis zu 20 %

MaxCode ist ein neues Reinforcement‑Learning‑Framework, das große Sprachmodelle (LLMs) dazu befähigt, Code automatisch zu optimieren. Durch…

arXiv – cs.LG 12.01.2026 05:00

Forschung

GPU-gestützte INT8‑Quantisierung reduziert KV‑Cache‑Memory um 4× bei LLMs

In großen Sprachmodellen wächst der Key‑Value‑Cache (KV‑Cache) linear mit der Sequenzlänge und kann sogar mehr Speicher beanspruchen als di…

arXiv – cs.LG 09.01.2026 05:00

Forschung

SafeBench-Seq: CPU‑basiertes Benchmark für Protein‑Gefahrenanalyse

Die rasante Entwicklung von Foundation‑Modellen im Protein‑Design eröffnet neue Möglichkeiten, birgt jedoch konkrete Bio‑Sicherheitsrisiken…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Neue Skalierungsformeln für Energieeffizienz lokaler LLMs

Die Veröffentlichung von arXiv:2512.16531v1 beleuchtet, wie lokale Sprach- und Vision‑Language‑Modelle auf Edge‑Geräten betrieben werden kö…

arXiv – cs.AI 19.12.2025 05:00

Forschung

KV-Cache-Recycling: Mehr Kontext für kleine LLMs ohne Modelländerungen

In einer neuen Studie wurde gezeigt, dass die Wiederverwendung von Key‑Value‑Caches (KV‑Caches) die nutzbare Kontextgröße bei kleinen Sprac…

arXiv – cs.LG 16.12.2025 05:00

Produkt

NVIDIA treibt die industrielle Revolution mit GPU-Computing voran

NVIDIAs beschleunigte Rechenplattform setzt neue Maßstäbe im Supercomputing und hat die CPU-dominierten Benchmarks längst übertroffen. Durc…

NVIDIA – Blog 10.12.2025 18:35

Forschung

Datenorientiertes Design schlägt objektorientiertes: Mehr Leistung und Cache‑Effizienz bei A* auf Multi‑Core‑CPUs

In einer aktuellen Studie aus dem arXiv‑Repository wird der Leistungsunterschied zwischen datenorientiertem Design (DOD) und dem traditione…

arXiv – cs.AI 10.12.2025 05:00

Aktuell

Liquid AI veröffentlicht detaillierten Leitfaden für kleine, unternehmensfähige Modelle

Liquid AI, ein MIT‑Startup, das 2023 von Computerwissenschaftlern gegründet wurde, hat mit der Einführung seiner Liquid Foundation Models S…

VentureBeat – AI 01.12.2025 17:24

Forschung

Effiziente Heuristik löst Olympiad-Geometrieprobleme ohne neuronale Netze

Automatisiertes Beweisen von Euklidischen Geometrietheoremen, insbesondere auf Olympiad-Niveau, bleibt ein zentrales Problem in der Künstli…

arXiv – cs.AI 02.12.2025 05:00

Finde Modelle, Firmen und Themen

SPRIG: CPU-basierte Graphsuche für Multi-Hop-Fragen ohne GPU

Chebyshev-Polynome und anisotrope RBF-Modelle in Tabellendatenregression

SymTorch: Automatisierte symbolische Distillation für Deep Learning

UDE-basierte Surrogates beschleunigen Agentenbasierte Epidemiemodelle um 10.000×

SymGraph: Symbolische Graph-Lernmethode übertrifft herkömmliche GNNs

Neuro-Symbolische Graphgenerierung: Kontrolle und Garantien für Moleküle

CacheMind revolutioniert Cache-Optimierung: LLMs beantworten Fragen zu Cache‑Eviction

MELINOE: Durch Feintuning werden MoE-Modelle speichereffizienter

DABench-LLM: Benchmarking von Dataflow-Acceleratoren für LLM-Training

REASON: Beschleunigung probabilistischer Logik für skalierbare Neuro‑Symbolik

Lokale KI auf M1 Mac: Warum mein Experiment mit Ollama ein harter Schlag war

VibeTensor: KI-generiertes Deep‑Learning‑Framework mit eigenem CUDA‑Stack

GPU-Optimiertes ROCKET: CUROCKET steigert Effizienz um bis zu 11-fach

Panther: Schnellere, günstigere Deep‑Learning‑Berechnungen mit RandNLA

Quantisierung für Llama-3.1-8B-Instruct: Einheitliche Bewertung von llama.cpp

GPU-gestützte Simulated Annealing mit p-Bits: Gerätvariabilität steigert Leistung

Neues Konzept: Digitale Metabolismus trennt Logik von Fakten in LLMs

Offline RL steuert CPU-Leistung für energieeffiziente Parallelanwendungen

Sherry: 1,25‑Bit‑Ternärquantisierung mit feingranularer Sparsifizierung

LUT-optimierte Kolmogorov‑Arnold‑Netzwerke für Echtzeit‑DDoS‑Erkennung auf IoT‑Gateways

MaxCode: KI-Framework steigert Code-Optimierung um bis zu 20 %

GPU-gestützte INT8‑Quantisierung reduziert KV‑Cache‑Memory um 4× bei LLMs

SafeBench-Seq: CPU‑basiertes Benchmark für Protein‑Gefahrenanalyse

Neue Skalierungsformeln für Energieeffizienz lokaler LLMs

KV-Cache-Recycling: Mehr Kontext für kleine LLMs ohne Modelländerungen

NVIDIA treibt die industrielle Revolution mit GPU-Computing voran

Datenorientiertes Design schlägt objektorientiertes: Mehr Leistung und Cache‑Effizienz bei A* auf Multi‑Core‑CPUs

Liquid AI veröffentlicht detaillierten Leitfaden für kleine, unternehmensfähige Modelle

Effiziente Heuristik löst Olympiad-Geometrieprobleme ohne neuronale Netze

🍪 Cookie-Einstellungen

MaxCode: KI-Framework steigert Code-Optimierung um bis zu 20 %