Suche nach Curriculum Learning

RxnNano: Kompakte LLMs für chemische Reaktionsvorhersage mit Curriculum

Die Vorhersage chemischer Reaktionen ist ein entscheidender Schritt, um die Entwicklung neuer Medikamente und die Planung von Synthesen zu…

arXiv – cs.LG 04.03.2026 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

ACTOR-CURATOR: adaptives Curriculum steigert LLM-Post-Training

Ein neues Framework namens ACTOR-CURATOR verspricht, die Nachschulung großer Sprachmodelle mit Reinforcement Learning effizienter zu gestal…

arXiv – cs.LG 25.02.2026 05:00

Forschung

<h1>CoT-Distillation: Curriculum Learning mit strukturiertem Maskieren & GRPO</h1> <p>Die Übertragung von Chain‑of‑Thought‑(CoT)‑Logik aus großen Sprachmodellen in kompakte Nachschreibermodelle stellt ein zentrales Problem dar: die ausführlichen Begründungen der Lehrermodelle sind für kleinere Modelle oft zu umfangreich, um sie exakt zu replizieren. Traditionelle Ansätze reduzieren die Logik auf einen einzigen Schritt, wodurch die wertvolle Interpretierbarkeit verloren geht.</p> <p>In der neuen Studie wird

arXiv – cs.AI 23.02.2026 05:00

Forschung

SeleCom: Query-Conditioned Soft Compression für Retrieval-Augmented Generation

Retrieval-Augmented Generation (RAG) verbindet große Sprachmodelle mit externem Wissen und ist besonders bei Web-basierten Aufgaben beliebt…

arXiv – cs.AI 19.02.2026 05:00

Forschung

MathMixup: LLMs verbessern Mathe mit kontrollierter Daten‑Synthese

In der Welt der mathematischen Problemlösung setzen große Sprachmodelle (LLMs) zunehmend auf qualitativ hochwertige Trainingsdaten, die kla…

arXiv – cs.LG 27.01.2026 05:00

Forschung

Kurvenbasierte Adaptive Rekursion beschleunigt Training von Tiny Recursive Modellen

Recursive‑Reasoning‑Modelle erreichen mit iterativer Verfeinerung beeindruckende Ergebnisse bei komplexen Aufgaben und ermöglichen es winzi…

arXiv – cs.LG 13.11.2025 05:00

Forschung

The 3D visualization of 3D objects is an important component of modern computer graphics. It allows complex models to be presented in a realistic and interactive environment. In this chapter, we will focus on the fundamentals of 3D visualization and examine the various techniques and algorithms used in practice.

arXiv – cs.AI 11.11.2025 05:00

Forschung

Unüberwachtes RL verbessert Denken – aber nur bei starken Modellen

In den letzten Jahren haben große Sprachmodelle gezeigt, dass unüberwachtes Reinforcement Learning (RL) die Fähigkeit zum logischen Denken…

arXiv – cs.AI 10.11.2025 05:00

Forschung

Curriculum Learning steigert KI-Genauigkeit bei multimodaler Fragebeantwortung

Das Team „Dianping‑Trust‑Safety“ hat mit seinem Beitrag zum META CRAG‑MM‑Wettbewerb einen Meilenstein in der multimodalen Frage‑und‑Antwort…

arXiv – cs.AI 15.08.2025 05:00

Forschung

STEP: Kontext‑Wissensfusion für Konversations‑Empfehlungen mit Curriculum‑Lernen

Konversations‑Empfehlungssysteme (CRS) wollen Nutzerpräferenzen durch natürliche Dialoge erfassen und passende Produkte vorschlagen. Dabei…

arXiv – cs.AI 15.08.2025 05:00

Finde Modelle, Firmen und Themen

RxnNano: Kompakte LLMs für chemische Reaktionsvorhersage mit Curriculum

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

ACTOR-CURATOR: adaptives Curriculum steigert LLM-Post-Training

SeleCom: Query-Conditioned Soft Compression für Retrieval-Augmented Generation

MathMixup: LLMs verbessern Mathe mit kontrollierter Daten‑Synthese

Kurvenbasierte Adaptive Rekursion beschleunigt Training von Tiny Recursive Modellen

Unüberwachtes RL verbessert Denken – aber nur bei starken Modellen

Curriculum Learning steigert KI-Genauigkeit bei multimodaler Fragebeantwortung

STEP: Kontext‑Wissensfusion für Konversations‑Empfehlungen mit Curriculum‑Lernen

🍪 Cookie-Einstellungen

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