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 “Forge”
Forschung

<p>Temporal imbalance erklärt Bias bei Class-Incremental Learning</p> <p>Mit der zunehmenden Verbreitung von Deep‑Learning in Bildverarbeitungsaufgaben gewinnt das Paradigma des Class‑Incremental Learning (CIL) immer mehr an Bedeutung. Dabei steht die Herausforderung des „catastrophic forgetting“ im Fokus: Modelle neigen dazu, neue Klassen zu bevorzugen und die Leistung auf älteren Klassen zu verlieren. Bisher wurde dieser Bias vor allem auf ein Ungleichgewicht innerhalb einzelner Aufgaben zurückgeführt und
arXiv – cs.LG
Forschung

<h1>HTCL: Hierarchisches Taylor-Ansatz reduziert Task-Order-Fehler um bis zu 68 %</h1> <p>Eine neue Studie aus dem Bereich des kontinuierlichen Lernens präsentiert HTCL – Hierarchical Taylor Series-based Continual Learning – ein innovatives Framework, das schnelle lokale Anpassungen mit konservativer, zweiter Ordnung globaler Konsolidierung kombiniert. Ziel ist es, die hohe Varianz zu reduzieren, die durch zufällige Aufgabenreihenfolgen entsteht, und damit das Phänomen des Task-Order-Sensitivitäts sowie des
arXiv – cs.LG
Forschung

<p>MathForge: Schwierigkeitsorientiertes Lernen steigert mathematisches Denken</p> <p>Ein neues Verfahren namens MathForge nutzt Reinforcement Learning mit verifizierbaren Belohnungen, um die mathematischen Fähigkeiten großer Modelle zu verbessern. Dabei wird deutlich, dass bisherige Ansätze – sowohl auf algorithmischer als auch auf Datenebene – zu wenig Wert auf besonders schwierige Fragen legen, obwohl diese entscheidend für die Weiterentwicklung der Fähigkeiten sind.</p> <p>Der Algorithmus Group Relative
arXiv – cs.AI