Suche

Finde Modelle, Firmen und Themen

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

Ergebnisse für “Context-aware”
Forschung

GeoEvolver: Trainingfreie Multi-Agenten für Earth‑Observation<br/><br/><p>In einer neuen Veröffentlichung auf arXiv wird GeoEvolver vorgestellt, ein selbstentwickelndes Multi‑Agenten‑System, das große Sprachmodelle (LLM) ohne jegliche Parameteranpassung befähigt, komplexe Earth‑Observation‑Aufgaben zu bewältigen. Durch gezielte Interaktion erwirbt das System Fachwissen über spezialisierte Werkzeuge und kann so präzise Tool‑Parameter einstellen und Fehler während der Ausführung korrigieren.</p><p>Earth‑Obser

arXiv – cs.AI
Forschung

<p>Neues Framework CaMol verbessert Molekülvorhersagen bei wenigen Daten</p> <p>Ein neues Forschungsprojekt aus dem Bereich des Graph-Lernens präsentiert CaMol, ein innovatives System zur Vorhersage von Molekülmerkmalen, das besonders in Szenarien mit sehr wenigen gelabelten Daten glänzt. Die Autoren betonen, dass die Vorhersage von chemischen Eigenschaften – ein zentrales Element in der Wirkstoffentwicklung und der Proteinstrukturvorhersage – bislang stark von der Verfügbarkeit umfangreicher Datensätze abh

arXiv – cs.LG
Forschung

<h1>LLMs werden mit MuSeR für medizinische Kontextsensitivität optimiert</h1> <p>Große Sprachmodelle (LLMs) haben im medizinischen Bereich bereits beeindruckende Ergebnisse erzielt, doch in realen klinischen Situationen bleiben sie oft hinter den Erwartungen zurück. Ein entscheidender Faktor ist die mangelnde Kontextsensitivität: Modelle erkennen häufig nicht, welche wichtigen Details – etwa die Identität des Patienten, seine Vorgeschichte oder Risikofaktoren – fehlen, und liefern dadurch unsichere oder unp

arXiv – cs.AI