Suche nach Checkpoints | meineki.news

Meta AI stellt Open-Source-GCM für GPU-Cluster-Überwachung vor

Während sich die Tech-Community noch mit den neuesten Llama‑Checkpoints beschäftigt, wird im Untergeschoss von Rechenzentren ein viel härte…

MarkTechPost 25.02.2026 00:31

Forschung

PBS beschleunigt Sprachmodelltraining: Verlustbasierte Stichprobenpriorisierung

Ein neues Verfahren namens Predictive Batch Scheduling (PBS) verspricht, das Training von Sprachmodellen deutlich zu beschleunigen. Dabei w…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

Arcee AI hat heute den technischen Bericht zu ihrem neuesten Sprachmodell Trinity Large veröffentlicht. Das sparsamente Mixture-of-Experts-…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Adaptive Confidence Refinement verbessert zuverlässige Audio-Visual-Fragenantworten

In der Forschung zu Audio‑Visual‑Fragenantworten (AVQA) wird zunehmend erkannt, dass ein Modell nicht nur korrekte Antworten liefern, sonde…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Geometrische Analyse von Embeddings liefert OOD‑Robustheitsdiagnose

Die Fähigkeit von Modellen, unter veränderten Datenverteilungen zuverlässig zu arbeiten, bleibt ein zentrales Problem – besonders wenn kein…

arXiv – cs.LG 05.02.2026 05:00

Forschung

DAMI: Dynamische Modellinterpolation kombiniert System 1 und System 2

In einer kürzlich veröffentlichten Studie wird die neue Methode DAMI vorgestellt, die die Stärken von System 1 (intuitiv) und System 2 (übe…

arXiv – cs.AI 30.01.2026 05:00

Forschung

Trainingzeit‑Signal: Stabilisierungspunkt für stabile Beweislage Sprachmodellen

Beim Feintuning vortrainierter Sprachmodelle steigt die Aufgabenleistung, doch gleichzeitig verändert sich subtil, welche Beweise das Model…

arXiv – cs.AI 21.01.2026 05:00

Forschung

KI-gestützte Forschung in Minuten: Deep Research revolutioniert Entdeckungen

In einer wegweisenden Studie präsentiert Deep Research ein Multi-Agenten-System, das wissenschaftliche Untersuchungen in nur wenigen Minute…

arXiv – cs.AI 21.01.2026 05:00

Forschung

METAL: Mit wenigen linearen Schichten Sprachen in multimodale Modelle einbinden

Multimodale KI‑Modelle zeigen bisher vor allem im Englischen beeindruckende Ergebnisse, weil dort reichlich Bild‑Text‑ und Audio‑Text‑Daten…

arXiv – cs.LG 16.01.2026 05:00

Forschung

SPINAL: Wie DPO die Tiefe von Sprachmodellen präzise anpasst

Direct Preference Optimization (DPO) bietet eine skalierbare Alternative zu RLHF, um große Sprachmodelle anhand von Paarpräferenzen auszuri…

arXiv – cs.LG 13.01.2026 05:00

Forschung

PaCoRe: Parallel koordiniertes Denken steigert Testzeitrechenleistung massiv

Die neue Methode PaCoRe (Parallel Coordinated Reasoning) löst ein zentrales Problem moderner Sprachmodelle: die Begrenzung der Testzeitrech…

arXiv – cs.LG 12.01.2026 05:00

Praxis

LLMs beschleunigen: Skalierbares RL mit torchforge und Weaver

Reinforcement Learning (RL) für bereits trainierte große Sprachmodelle (LLMs) gilt als besonders anspruchsvoll. Die Notwendigkeit, Millione…

PyTorch – Blog 09.01.2026 20:33

Forschung

Behavior Cloning skaliert: Open Model verbessert kausales Denken Echtzeit-Gameplay

In einer neuen Veröffentlichung auf arXiv (2601.04575v1) wird gezeigt, dass Behavior Cloning – das Kopieren menschlicher Aktionen – dank gr…

arXiv – cs.AI 09.01.2026 05:00

Praxis

Google stellt T5Gemma 2 vor: Encoder-Decoder-Modelle mit multimodalen Eingaben

Google hat die neue Familie T5Gemma 2 veröffentlicht, die auf den vortrainierten Gewichten von Gemma 3 basiert. Durch die Umwandlung in ein…

MarkTechPost 19.12.2025 13:12

Forschung

Tiny Recursive Models zeigen bei ARC-AGI-1 beeindruckende Effizienz <p>Die Tiny Recursive Models (TRM) stellen eine kompakte Alternative zu großen Sprachmodellen dar, um Aufgaben des Abstraction and Reasoning Corpus (ARC) zu lösen. In einer neuen Analyse des ARC‑Prize‑TRM‑Checkpoints auf dem ARC‑AGI‑1‑Datensatz wurden vier zentrale Erkenntnisse gewonnen.</p> <p>Erstens verdeutlicht die Untersuchung, dass Test‑Time‑Augmentation und ein Mehrfach‑Voting‑Ansatz einen erheblichen Anteil am Erfolg ausmachen.

arXiv – cs.LG 16.12.2025 05:00

Produkt

Amazon SageMaker HyperPod: Schnellere Fehlerbehebung ohne Checkpoints

Amazon SageMaker HyperPod präsentiert eine bahnbrechende Methode zum Training von KI-Modellen ohne herkömmliche Checkpoints. Durch Peer-to-…

AWS – Machine Learning Blog 15.12.2025 19:45

Forschung

Monkey VLM: Bildteilung nachweisen – lokale Details & globaler Kontext im Fokus

Wissenschaftliche Fortschritte bauen auf Reproduzierbarkeit. Doch bei komplexen multimodalen Modellen fehlen oft transparente Implementieru…

arXiv – cs.AI 15.12.2025 05:00

Praxis

Nanbeige4-3B: 3B-Modell erreicht 30B-Klassenerkenntnisse durch optimierte Pipeline

Das Nanbeige LLM Lab von Boss Zhipin hat mit Nanbeige4-3B ein neues 3‑Billionen‑Parameter‑Modell vorgestellt, das auf einer außergewöhnlich…

MarkTechPost 13.12.2025 06:00

Forschung

Delta Sampling: Datenlose Wissensübertragung zwischen Diffusionsmodellen

In der lebendigen Open‑Source‑Community von Diffusionsmodellen wie Stable Diffusion (SD) gibt es zahlreiche feinabgestimmte Checkpoints und…

arXiv – cs.AI 04.12.2025 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

SHRIKE: Multi-Modal Scene Graph mit Kolmogorov-Arnold Experten für Audio-Visual QA

In einer neuen Veröffentlichung präsentiert das Forschungsteam SHRIKE, ein innovatives Multi-Modal Scene Graph System, das Audio- und Video…

arXiv – cs.AI 01.12.2025 05:00

Forschung

Xmodel‑2.5: 1,3 Milliarden‑Parameter‑Modell für effizientes Edge‑Reasoning

Die neuesten Fortschritte in der KI zeigen, dass große Sprachmodelle exzellente Fähigkeiten im logischen Denken und bei Tool‑Nutzung besitz…

arXiv – cs.LG 26.11.2025 05:00

Forschung

Agent lernt 200 Aufgaben gleichzeitig – Fortschritt in kontinuierlicher Kontrolle

In einer wegweisenden Studie präsentiert ein internationales Forschungsteam ein neues Benchmark, das 200 vielfältige Aufgaben aus unterschi…

arXiv – cs.LG 26.11.2025 05:00

Praxis

<h1>Olmo 3: Das vollständig offene 32B-LLM mit Fokus auf Interpretierbarkeit</h1> <p>Das Allen Institute for AI (Ai2) hat mit Olmo 3 ein neues, vollständig offenes Sprachmodell vorgestellt. Im Gegensatz zu den meisten Open‑Weight‑Modellen bietet Olmo 3 nicht nur das Modell selbst, sondern auch sämtliche Trainingsdaten, den gesamten Trainingsprozess und die Checkpoints frei zugänglich an.</p> <p>Olmo 3 wird als „das beste vollständig offene 32‑Billionen‑Parameter‑Modell“ positioniert und legt einen starken S

Simon Willison – Blog 22.11.2025 23:59

Aktuell

Ai2 präsentiert Olmo 3: Open‑Source‑Modell mit 65.000‑Token‑Fenster

Das Allen Institute for AI (Ai2) hat die neueste Version seiner Olmo-Familie vorgestellt, die sich besonders an Unternehmen richtet, die ma…

VentureBeat – AI 20.11.2025 05:00

Forschung

Unschärfe-gesteuerte Checkpoint-Auswahl verbessert RL-Fine‑Tuning von LLMs

Reinforcement‑Learning‑Fine‑Tuning (RL‑FT) ist ein entscheidender Schritt, um große Sprachmodelle (LLMs) an menschliche Werte anzupassen. G…

arXiv – cs.LG 14.11.2025 05:00

Forschung

NVIDIA präsentiert Nemotron Nano V2 VL – Spitzenleistung bei Dokumentenbewertung

NVIDIA hat heute das neueste Modell der Nemotron Vision‑Language-Serie vorgestellt: Nemotron Nano V2 VL. Das System ist speziell für die An…

arXiv – cs.LG 07.11.2025 05:00

Praxis

Salesforce präsentiert CoDA-1.7B: Code-Modell mit bidirektionaler Diffusion

Salesforce AI Research hat das neue Code‑Modell CoDA‑1.7B vorgestellt, das auf einer diskreten Diffusionsarchitektur basiert. Im Gegensatz…

MarkTechPost 06.10.2025 00:33

Praxis

Claude Sonnet 4.5: Anthropic setzt neue Coding‑ und Agenten‑Standards

Anthropic hat die neueste Version seines Sprachmodells, Claude Sonnet 4.5, veröffentlicht und damit einen neuen Maßstab für die komplette S…

MarkTechPost 29.09.2025 23:42

Praxis

LangGraph: Mit Schritt‑Replay und Zeitreise‑Checkpoints zum KI‑Chatbot

In diesem Tutorial wird gezeigt, wie LangGraph die Strukturierung von Gesprächsabläufen erleichtert und gleichzeitig die Möglichkeit bietet…

MarkTechPost 31.08.2025 09:51

Finde Modelle, Firmen und Themen

Meta AI stellt Open-Source-GCM für GPU-Cluster-Überwachung vor

PBS beschleunigt Sprachmodelltraining: Verlustbasierte Stichprobenpriorisierung

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

Adaptive Confidence Refinement verbessert zuverlässige Audio-Visual-Fragenantworten

Geometrische Analyse von Embeddings liefert OOD‑Robustheitsdiagnose

DAMI: Dynamische Modellinterpolation kombiniert System 1 und System 2

Trainingzeit‑Signal: Stabilisierungspunkt für stabile Beweislage Sprachmodellen

KI-gestützte Forschung in Minuten: Deep Research revolutioniert Entdeckungen

METAL: Mit wenigen linearen Schichten Sprachen in multimodale Modelle einbinden

SPINAL: Wie DPO die Tiefe von Sprachmodellen präzise anpasst

PaCoRe: Parallel koordiniertes Denken steigert Testzeitrechenleistung massiv

LLMs beschleunigen: Skalierbares RL mit torchforge und Weaver

Behavior Cloning skaliert: Open Model verbessert kausales Denken Echtzeit-Gameplay

Google stellt T5Gemma 2 vor: Encoder-Decoder-Modelle mit multimodalen Eingaben

Amazon SageMaker HyperPod: Schnellere Fehlerbehebung ohne Checkpoints

Monkey VLM: Bildteilung nachweisen – lokale Details & globaler Kontext im Fokus

Nanbeige4-3B: 3B-Modell erreicht 30B-Klassenerkenntnisse durch optimierte Pipeline

Delta Sampling: Datenlose Wissensübertragung zwischen Diffusionsmodellen

Liquid AI veröffentlicht detaillierten Leitfaden für kleine, unternehmensfähige Modelle

SHRIKE: Multi-Modal Scene Graph mit Kolmogorov-Arnold Experten für Audio-Visual QA

Xmodel‑2.5: 1,3 Milliarden‑Parameter‑Modell für effizientes Edge‑Reasoning

Agent lernt 200 Aufgaben gleichzeitig – Fortschritt in kontinuierlicher Kontrolle

Ai2 präsentiert Olmo 3: Open‑Source‑Modell mit 65.000‑Token‑Fenster

Unschärfe-gesteuerte Checkpoint-Auswahl verbessert RL-Fine‑Tuning von LLMs

NVIDIA präsentiert Nemotron Nano V2 VL – Spitzenleistung bei Dokumentenbewertung

Salesforce präsentiert CoDA-1.7B: Code-Modell mit bidirektionaler Diffusion

Claude Sonnet 4.5: Anthropic setzt neue Coding‑ und Agenten‑Standards

LangGraph: Mit Schritt‑Replay und Zeitreise‑Checkpoints zum KI‑Chatbot

🍪 Cookie-Einstellungen

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

DAMI: Dynamische Modellinterpolation kombiniert System 1 und System 2

Xmodel‑2.5: 1,3 Milliarden‑Parameter‑Modell für effizientes Edge‑Reasoning

Ai2 präsentiert Olmo 3: Open‑Source‑Modell mit 65.000‑Token‑Fenster