Suche nach Evaluationsprotokolle

ITR: LLM-Agenten sparen 70 % Kosten – mehr Loops durch gezielte Tool-Auswahl

Auf der Plattform arXiv wurde die neue Methode Instruction‑Tool Retrieval (ITR) vorgestellt, die LLM‑Agenten effizienter macht, indem sie n…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Neues theoretisches Modell für adaptive, nutzerzentrierte Benchmarking-Methoden

Benchmarking ist seit langem ein zentrales Instrument im maschinellen Lernen und gewinnt zunehmend an Bedeutung für moderne KI-Systeme wie…

arXiv – cs.AI 16.02.2026 05:00

Forschung

Benchmark Health Index: Systematisches Rahmenwerk zur LLM-Benchmark-Bewertung

Die rasante Entwicklung großer Sprachmodelle (LLMs) steht im Widerspruch zu den zunehmend unzuverlässigen Messinstrumenten, die ihren Forts…

arXiv – cs.AI 13.02.2026 05:00

Forschung

EEG-Bench: Neues Benchmark für EEG-Foundation-Modelle in der Klinik

In einer wegweisenden Veröffentlichung präsentiert ein internationales Forschungsteam ein einheitliches Benchmarking-Framework, das EEG-bas…

arXiv – cs.AI 11.12.2025 05:00

Forschung

KI-Scoring für Protein‑Liganden: Studie testet Generalisierung auf neue Ziele

Mit dem rasanten Aufstieg von maschinellem Lernen im Molekulendesign wird die Zuverlässigkeit lernbarer Protein‑Ligand‑Scoring‑Funktionen f…

arXiv – cs.LG 08.12.2025 05:00

Forschung

GraphBench: Das neue Benchmark-Tool für Graph-Learning <p>In den letzten Jahren hat das maschinelle Lernen auf Graphen enorme Fortschritte erzielt – von der Vorhersage molekularer Eigenschaften bis hin zur Chip-Entwicklung. Trotz dieser Erfolge bleiben die Benchmarking‑Praktiken fragmentiert, weil sie häufig auf eng begrenzten, domänenspezifischen Datensätzen und inkonsistenten Evaluationsprotokollen basieren. Das erschwert die Reproduzierbarkeit und hemmt die Weiterentwicklung.</p> <p>Um diese Lücken z

arXiv – cs.LG 05.12.2025 05:00

Forschung

KI‑Betrug: Risiken, Dynamik und Kontrollmechanismen im Fokus

Mit steigender Intelligenz wächst auch ihr Schatten. KI‑Betrug – das gezielte Induzieren falscher Überzeugungen, um eigeninteressierte Ziel…

arXiv – cs.AI 01.12.2025 05:00

Forschung

Hybrid Neuro-Symbolische Modelle für ethische KI in risikoreichen Bereichen

In Bereichen wie Gesundheit, Finanzen und Sicherheit, wo Fehler schwerwiegende Folgen haben können, muss Künstliche Intelligenz nicht nur p…

arXiv – cs.AI 25.11.2025 05:00

Forschung

ResearchRubrics: Benchmark für Deep Research Agents mit 2.800 Stunden Arbeit

Deep‑Research‑Agenten nutzen große Sprachmodelle, um offene Fragen zu beantworten. Sie kombinieren mehrstufiges Denken, die Synthese von In…

arXiv – cs.AI 12.11.2025 05:00

Forschung

Frequenz entscheidend: Warum Zeitreihen-Modelle bei Spektralverschiebung versagen

Die neuesten Zeitreihen-Foundation-Modelle (TSFMs) haben bei öffentlichen Benchmarks beeindruckende Resultate erzielt und werden oft mit de…

arXiv – cs.LG 11.11.2025 05:00

Forschung

MLPerf Automotive: Neuer Standard für KI-Leistung in Fahrzeugen

MLPerf Automotive ist der erste öffentliche, standardisierte Benchmark, der die Leistung von Machine‑Learning‑Systemen in Fahrzeugen bewert…

arXiv – cs.LG 03.11.2025 05:00

Forschung

Model Science: Neue Disziplin für Verifikation, Erklärung und Kontrolle von KI

Die wachsende Verbreitung von Foundation‑Modellen verlangt einen Paradigmenwechsel von Data Science zu Model Science. Im Gegensatz zu daten…

arXiv – cs.AI 28.08.2025 05:00

Finde Modelle, Firmen und Themen

ITR: LLM-Agenten sparen 70 % Kosten – mehr Loops durch gezielte Tool-Auswahl

Neues theoretisches Modell für adaptive, nutzerzentrierte Benchmarking-Methoden

Benchmark Health Index: Systematisches Rahmenwerk zur LLM-Benchmark-Bewertung

EEG-Bench: Neues Benchmark für EEG-Foundation-Modelle in der Klinik

KI-Scoring für Protein‑Liganden: Studie testet Generalisierung auf neue Ziele

KI‑Betrug: Risiken, Dynamik und Kontrollmechanismen im Fokus

Hybrid Neuro-Symbolische Modelle für ethische KI in risikoreichen Bereichen

ResearchRubrics: Benchmark für Deep Research Agents mit 2.800 Stunden Arbeit

Frequenz entscheidend: Warum Zeitreihen-Modelle bei Spektralverschiebung versagen

MLPerf Automotive: Neuer Standard für KI-Leistung in Fahrzeugen

Model Science: Neue Disziplin für Verifikation, Erklärung und Kontrolle von KI

🍪 Cookie-Einstellungen

ITR: LLM-Agenten sparen 70 % Kosten – mehr Loops durch gezielte Tool-Auswahl