Suche nach Extrapolation

Hopfield-Netzwerke verbinden Diffusion Guidance mit Anderson Acceleration

Ein neues Papier auf arXiv (2603.02531v1) legt einen grundlegenden Rahmen vor, der die bislang getrennten Ansätze der Diffusion‑Guidance un…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Meta‑RL nutzt Symmetrie: Geometrische Methode ermöglicht globale Generalisierung

Meta‑Reinforcement‑Learning (Meta‑RL) generalisiert bislang meist über die Glattheit der Aufgabenkodierung. Diese Strategie erfordert eine…

arXiv – cs.LG 03.03.2026 05:00

Forschung

FedNSAM: Einheitliche Flachheit in Federated Learning – Genauigkeit steigert

Federated Learning (FL) ermöglicht es, Modelle auf verteilten Geräten zu trainieren, ohne dass die Rohdaten zentralisiert werden. Durch meh…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Gradient Ascent? Nicht mehr nötig – neue Methode für ML‑Unlearning

Im Zeitalter ethischer KI gewinnt das Konzept des Machine Unlearning immer mehr an Bedeutung. Ziel ist es, sensible, private oder urheberre…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Neues Netzwerk: Rational-ANOVA verbessert Interpretierbarkeit und Leistung

In der Welt der tiefen neuronalen Netze werden Nichtlinearitäten häufig als feste Bausteine wie ReLU behandelt. Diese Vorgehensweise schrän…

arXiv – cs.LG 05.02.2026 05:00

Forschung

TabularMath: Benchmark prüft, ob Tabellenmodelle Computation extrapolieren können

In der Welt der tabellarischen Daten konzentrieren sich die meisten Benchmarks bislang auf die Fähigkeit von Modellen, Werte innerhalb eine…

arXiv – cs.LG 04.02.2026 05:00

Forschung

Generative Engine überwindet Auflösungslimit mit Hardware-Algorithmus-KoDesign

Ein neues Konzept für generative Spiel-Engines hat die bisherige Auflösungsschwelle sprengen können. Während herkömmliche Grafikpipelines a…

arXiv – cs.AI 03.02.2026 05:00

Forschung

NOVA: Neuronale Physiklösungen generalisieren über Trainingsgrenzen hinweg

Neuronale Physiklösungen gewinnen immer mehr an Bedeutung, weil sie schnelle, in‑silico‑Einblicke in physikalische, materialwissenschaftlic…

arXiv – cs.LG 28.01.2026 05:00

Forschung

Neues GNN-Modell reduziert PDEs effizient – Latent Dynamics GCN

Graph Neural Networks (GNNs) gewinnen zunehmend an Bedeutung als leistungsstarke Werkzeuge für die nichtlineare Modellreduktion (MOR) zeita…

arXiv – cs.LG 19.01.2026 05:00

Forschung

SPIKE: Koopman-Regularisierung verbessert Physik-informierte neuronale Netze

Physik-informierte neuronale Netze (PINNs) lösen Differentialgleichungen ohne Gitter, indem sie physikalische Gesetze direkt in das Trainin…

arXiv – cs.LG 16.01.2026 05:00

Forschung

Neue Methode ermöglicht unbegrenzte Textlänge für Sprachmodelle

Sprachmodelle wie GPT haben die Verarbeitung natürlicher Sprache revolutioniert, doch ihre Fähigkeit, lange Texte zu verstehen, ist durch d…

arXiv – cs.AI 13.01.2026 05:00

Forschung

Neues KI-gestütztes Framework verbessert Vorhersagen in der Additiven Fertigung

In der additiven Fertigung (AM) ist das Verständnis der Zusammenhänge zwischen Prozessparametern und Materialeigenschaften entscheidend. Tr…

arXiv – cs.AI 12.01.2026 05:00

Forschung

<p>LLMs zeigen bei RLVR lineare Lernkurve – Extrapolation spart Rechenzeit</p> <p>Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) ist heute ein wesentlicher Bestandteil der Nachschulung großer Sprachmodelle. Im Gegensatz zum klassischen Supervised Fine‑Tuning erzeugt ein LLM bei RLVR mehrere Kandidaten und belohnt nur jene, die zu einer verifizierbar korrekten Endantwort führen. In der Praxis erfordert RLVR jedoch oft Tausende von Trainingsschritten, was enorme Rechenressourcen beansprucht – h

arXiv – cs.LG 09.01.2026 05:00

Forschung

Neues Paper enthüllt quadratische Extrapolation im Neural Tangent Kernel

In einer kürzlich veröffentlichten Studie auf arXiv wird gezeigt, dass ReLU‑MLPs bei Auswertungen außerhalb ihres Trainingsbereichs tendenz…

arXiv – cs.LG 19.12.2025 05:00

Forschung

Monte‑Carlo‑Dropout liefert unzuverlässige Unsicherheitsabschätzungen

Die präzise Abschätzung von Unsicherheiten ist für maschinelles Lernen von entscheidender Bedeutung, insbesondere in sicherheitskritischen…

arXiv – cs.LG 18.12.2025 05:00

Forschung

PathFinder revolutioniert die Signalverlustvorhersage in 5G-Netzwerken

Die Vorhersage von Funkwegverlusten (RPP) ist entscheidend für die Optimierung von 5G-Netzwerken und die Realisierung von IoT‑ und Smart‑Ci…

arXiv – cs.LG 17.12.2025 05:00

Forschung

Vekua-Layer: Präzise physikbasierte neuronale Darstellungen

Ein neues Verfahren namens Vekua Layer (VL) verspricht, die Art und Weise zu revolutionieren, wie physikalische Felder mit neuronalen Netze…

arXiv – cs.LG 15.12.2025 05:00

Forschung

HB‑SGE: Robustes Heavy‑Ball‑Momentum mit vorausschauender Extrapolation

Ein neues Optimierungsverfahren, HB‑SGE, kombiniert das klassische Heavy‑Ball‑Momentum mit einer vorausschauenden Gradientenextrapolation…

arXiv – cs.LG 12.12.2025 05:00

Forschung

Quantum‑PDE‑Lösungen: Mehr Genauigkeit durch multifidelity‑Machine‑Learning

Quantenalgorithmen für partielle Differentialgleichungen (PDEs) stoßen bei heutigen Geräten auf gravierende Einschränkungen: Wenige Qubits…

arXiv – cs.LG 08.12.2025 05:00

Forschung

Multi-Value Alignment: Mehr Sicherheit für große Sprachmodelle

Mit dem rasanten Fortschritt großer Sprachmodelle (LLMs) wird die Aufgabe, sie an menschliche Werte anzupassen, immer wichtiger. Dabei gilt…

arXiv – cs.LG 25.11.2025 05:00

Forschung

GLOBE: Präzise PDE‑Surrogates dank domäneninspirierten Architekturen

Mit GLOBE wird ein neuer Meilenstein in der numerischen Lösung homogener partieller Differentialgleichungen gesetzt. Das Modell kombiniert…

arXiv – cs.LG 21.11.2025 05:00

Forschung

CellARC: Neues Benchmark für KI-Intelligenzmessung mit Zellautomaten

Die Wissenschaftler haben CellARC vorgestellt, ein synthetisches Benchmark-System, das die Fähigkeit von Modellen zur Abstraktion und zum l…

arXiv – cs.LG 12.11.2025 05:00

Forschung

Digital Twins: Hybrid-Modeling, Sim-to-Real RL und LLM-gesteuerte Kontrolle

Eine neue Studie auf arXiv beleuchtet, wie digitale Zwillinge die Modellierung und Steuerung dynamischer Systeme revolutionieren können. Da…

arXiv – cs.AI 29.10.2025 04:00

Forschung

DALI: Dynamikabgestimmt latente Vorstellung verbessert ZeroShot-Generalisierung

In der realen Welt muss ein Lernagent neue Umgebungen ohne aufwendiges Retraining meistern. Das neue Konzept DALI (Dynamics‑Aligned Latent…

arXiv – cs.LG 29.08.2025 05:00

Forschung

Sparse Autoencoder revolutionieren Proteinfunktion in Datenknappheit

Die Vorhersage der Proteinfunktion aus der Aminosäuresequenz bleibt ein zentrales Problem, wenn nur wenige experimentell beschriftete Daten…

arXiv – cs.LG 27.08.2025 05:00

Forschung

SuryaBench: Hochauflösendes SDO‑Dataset für KI in Heliophysik und Weltraumwetter

Mit dem neuen SuryaBench‑Datensatz eröffnet NASA einen umfassenden, maschinenlern‑bereiten Pool an hochauflösenden Bildern der Sonne. Die D…

arXiv – cs.AI 21.08.2025 05:00

Finde Modelle, Firmen und Themen

Hopfield-Netzwerke verbinden Diffusion Guidance mit Anderson Acceleration

Meta‑RL nutzt Symmetrie: Geometrische Methode ermöglicht globale Generalisierung

FedNSAM: Einheitliche Flachheit in Federated Learning – Genauigkeit steigert

Gradient Ascent? Nicht mehr nötig – neue Methode für ML‑Unlearning

Neues Netzwerk: Rational-ANOVA verbessert Interpretierbarkeit und Leistung

TabularMath: Benchmark prüft, ob Tabellenmodelle Computation extrapolieren können

Generative Engine überwindet Auflösungslimit mit Hardware-Algorithmus-KoDesign

NOVA: Neuronale Physiklösungen generalisieren über Trainingsgrenzen hinweg

Neues GNN-Modell reduziert PDEs effizient – Latent Dynamics GCN

SPIKE: Koopman-Regularisierung verbessert Physik-informierte neuronale Netze

Neue Methode ermöglicht unbegrenzte Textlänge für Sprachmodelle

Neues KI-gestütztes Framework verbessert Vorhersagen in der Additiven Fertigung

Neues Paper enthüllt quadratische Extrapolation im Neural Tangent Kernel

Monte‑Carlo‑Dropout liefert unzuverlässige Unsicherheitsabschätzungen

PathFinder revolutioniert die Signalverlustvorhersage in 5G-Netzwerken

Vekua-Layer: Präzise physikbasierte neuronale Darstellungen

HB‑SGE: Robustes Heavy‑Ball‑Momentum mit vorausschauender Extrapolation

Quantum‑PDE‑Lösungen: Mehr Genauigkeit durch multifidelity‑Machine‑Learning

Multi-Value Alignment: Mehr Sicherheit für große Sprachmodelle

GLOBE: Präzise PDE‑Surrogates dank domäneninspirierten Architekturen

CellARC: Neues Benchmark für KI-Intelligenzmessung mit Zellautomaten

Digital Twins: Hybrid-Modeling, Sim-to-Real RL und LLM-gesteuerte Kontrolle

DALI: Dynamikabgestimmt latente Vorstellung verbessert ZeroShot-Generalisierung

Sparse Autoencoder revolutionieren Proteinfunktion in Datenknappheit

SuryaBench: Hochauflösendes SDO‑Dataset für KI in Heliophysik und Weltraumwetter

🍪 Cookie-Einstellungen

SuryaBench: Hochauflösendes SDO‑Dataset für KI in Heliophysik und Weltraumwetter