KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

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

Ergebnisse für “Gewichtsanpassung”

NuMuon: Optimierer mit nuklearem Norm-Constraint steigert Kompression von LLMs

Die rasante Entwicklung großer Sprachmodelle (LLMs) wird zunehmend durch Speicher- und Bereitstellungskosten begrenzt. Um diese Hürden zu ü…

arXiv – cs.LG 05.03.2026 05:00

ScaleBITS: Bitbreitenanpassung für effiziente, hardwarefreundliche LLMs

ScaleBITS ist ein neues Quantifizierungsframework, das die Nachtrainingsgewichtsanpassung von großen Sprachmodellen (LLMs) optimiert. Ziel…

arXiv – cs.AI 23.02.2026 05:00

QuantLRM: Gewichtsanpassungen als Schlüssel zur Quantisierung von LLMs

In der Welt der großen Sprachmodelle (LLMs) gewinnt die Gewichtsanpassung bei der Quantisierung zunehmend an Bedeutung. Forscher haben eine…

arXiv – cs.LG 04.02.2026 05:00

Minimalgewichtige Störungen in Deep Networks: Low‑Rank Backdoor-Theorie

Eine neue Studie liefert die erste exakte Formel für die minimalen Gewichtsstörungen in tiefen neuronalen Netzen, die einen gewünschten Aus…

arXiv – cs.LG 26.01.2026 05:00

<p>Edge Control Attack: Neue Bedrohung für Ranking‑basiertes Federated Learning</p> <p>Federated Rank Learning (FRL) hat sich als vielversprechendes Paradigma für sichere, dezentrale Modelle etabliert. Durch die Nutzung von diskreten Ranglisten anstelle von kontinuierlichen Gewichtsanpassungen reduziert FRL nicht nur die Kommunikationskosten, sondern erschwert auch Angreifern das Skalieren oder Optimieren schädlicher Updates. Diese Eigenschaften machen FRL besonders attraktiv für sensible Anwendungen wie On

arXiv – cs.LG 22.01.2026 05:00

Phasor Agents: Dreifaktor-Plastizität und schlafgestütztes Lernen

Neues Forschungspapier aus dem arXiv präsentiert Phasor Agents – dynamische Systeme, deren innerer Zustand aus einem Phasor‑Graphen besteht…

arXiv – cs.LG 09.01.2026 05:00

SALVE: Sparse Autoencoder ermöglicht präzise Steuerung neuronaler Netzwerke

Neurale Netzwerke liefern beeindruckende Ergebnisse, bleiben aber oft schwer zu verstehen und zu steuern. Mit SALVE – Sparse Autoencoder‑La…

arXiv – cs.LG 19.12.2025 05:00

Z-Pruner: Effizientes Post-Training-Pruning großer Sprachmodelle ohne Retraining

Große Sprachmodelle (LLMs) haben in den letzten Jahren enorme Fortschritte erzielt, bringen jedoch gleichzeitig enorme Modellgrößen mit sic…

arXiv – cs.LG 25.08.2025 05:00

EP-Training für tiefe CRNNs: Zwischenfehler verbessern Skalierbarkeit

Ein neues Verfahren namens Equilibrium Propagation (EP) verspricht, das Training von tiefen rekurrenten neuronalen Netzen (CRNNs) zu revolu…

arXiv – cs.LG 25.08.2025 05:00