Finde Modelle, Firmen und Themen

Mit dem neuen SPM‑Bench wird die Leistungsfähigkeit von Large Language Models (LLMs) im Bereich der Scanning Probe Microscopy (SPM) auf ein…

Generative Künstliche Intelligenz – insbesondere große Sprachmodelle – hat die Art und Weise, wie wir Wissenschaft, Industrie und Gesellsch…

Die meisten KI-Bewertungen leiden unter ihrer statischen Natur: Gleiche Aufgaben werden immer wieder verwendet, was zu Memorierung, Format-…

Die neue Plattform LiveMedBench setzt neue Maßstäbe für die Bewertung großer Sprachmodelle (LLMs) im medizinischen Bereich. Sie löst zwei z…

Neues Forschungsdokument auf arXiv beleuchtet, wie die Gestaltung von Belohnungen die Zuverlässigkeit von Large Language Models (LLMs) beim…

Die Bewertung von KI‑Wissenssystemen wie Sprachmodelle, Retrieval‑Augmented Generation (RAG) und Wissensgraphen steht vor großen Herausford…

In einer neuen Studie von arXiv 2601.06103v1 wird untersucht, wie sich Datenkontamination auf die gängigen Post‑Training‑Schritte großer Sp…

In der Optimierung und im Constraint Programming besteht seit langem der Wunsch, ein Problem in natürlicher Sprache zu beschreiben und auto…

Eine neue Studie aus dem arXiv zeigt, dass große Sprachmodelle (LLMs) bei der Übersetzung von natürlicher Sprache in First‑Order‑Logik (FOL…

Wissenschaftler haben SPAN ins Leben gerufen, ein neues Benchmark, das große Sprachmodelle (LLMs) dazu herausfordert, Zeitfragen über versc…

Ein neues Benchmark-Tool namens Kamiwaza Agentic Merit Index (KAMI) v0.1 wurde vorgestellt, um die Leistungsfähigkeit von KI-Systemen in re…

Die Bewertung von großen Sprachmodellen (LLMs) wird zunehmend durch Datenkontamination erschwert, wenn Modelle ihre Leistung durch Auswendi…

Eine neue Untersuchung, veröffentlicht auf arXiv (2509.00072v1), beleuchtet die wachsende Sorge um Datenkontamination bei der Bewertung gro…

Die rasante Entwicklung großer Sprachmodelle (LLMs) stellt herkömmliche mathematische Benchmark‑Tests vor enorme Herausforderungen. Typisch…