meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

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

Ergebnisse für “ESPO”
Forschung

<h1>Neuer Graph-Transformer-Ansatz priorisiert AD‑Gene präziser</h1> <p>Ein neues multimodales Modell namens NETRA (Node Evaluation through Transformer-based Representation and Attention) verspricht, die Priorisierung von Genen, die mit Alzheimer (AD) in Verbindung stehen, deutlich zu verbessern. Im Gegensatz zu herkömmlichen Netzwerkansätzen, die auf statischen Zentralitätsmaßen beruhen, nutzt NETRA ein auf Attention basierendes Scoring, das die Komplexität biologischer Heterogenität besser erfasst.</p> <p
arXiv – cs.LG
Forschung

<p>Maschinelles Lernen enthüllt Muster im Brandfluchtverhalten</p> <p>Eine neue Studie, die auf einer umfangreichen MTurk‑Umfrage von Bewohnern in Kalifornien, Colorado und Oregon basiert, nutzt sowohl unüberwachtes als auch überwachtes maschinelles Lernen, um die komplexen Faktoren zu entschlüsseln, die das Verhalten bei Waldbrandflucht bestimmen. Durch Multiple Correspondence Analysis, K‑Modes Clustering und Latent Class Analysis wurden mehrere stabile Untergruppen identifiziert, die sich vor allem durch

arXiv – cs.LG
Forschung

<p>KI-Coding-Agenten: Wie PR-Textstile den Review-Prozess beeinflussen</p> <p>Mit der rasanten Verbreitung großer Sprachmodelle entstehen autonome KI-Coding-Agenten, die Pull Requests (PRs) auf GitHub erstellen. Doch wie unterscheiden sich deren Beschreibungen und wie reagieren menschliche Reviewer darauf? Eine neue Studie aus dem AIDev-Datensatz liefert Antworten.</p> <p>Die Analyse von PRs, die von fünf verschiedenen KI-Agenten generiert wurden, zeigt, dass jeder Agent einen eigenen Stil in der PR-Beschre
arXiv – cs.AI
Forschung

<p>LLMs können Meme-Antworten nicht perfekt auswählen – neue Studie zeigt Lücken</p> <p>Eine neue Arbeit aus dem Bereich der Web‑Science stellt die Aufgabe „Meme‑Reply‑Selection“ vor und präsentiert dazu das MaMe‑Re‑Benchmark. Das Datenset umfasst 100.000 Paare aus frei lizenzierten japanischen Manga‑Panels und zugehörigen Social‑Media‑Posts, die von 2.325 unterschiedlichen Annotatoren mit insgesamt 500.000 Anmerkungen bewertet wurden.</p> <p>Die Analyse liefert drei zentrale Erkenntnisse. Erstens zeigen gr
arXiv – cs.LG