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 “Gewinn”
Forschung

τ-Knowledge: Neue Benchmark für Konversationsagenten mit unstrukturiertem Wissen In der Welt der KI‑Assistenten gewinnt die Fähigkeit, in Echtzeit auf umfangreiches, proprietäres und unstrukturiertes Wissen zuzugreifen, zunehmend an Bedeutung. Das neue Benchmark‑Set τ-Knowledge erweitert die bereits etablierte τ‑Bench-Plattform, um Agenten in realistischen, langanhaltenden Interaktionen zu testen, bei denen das korrekte Abrufen und Anwenden von Fachwissen entscheidend ist. Der Testbereich τ-Banking

arXiv – cs.AI
Forschung

<p>Warum sind lineare RNNs besser parallelisierbar?</p> <p>In der aktuellen Forschung gewinnen lineare rekurrente neuronale Netze (LRNNs) als Sprachmodelle immer mehr an Bedeutung. Sie vereinen eine starke Ausdruckskraft mit einer hohen Parallelisierbarkeit, was sie zu einer attraktiven Alternative zu herkömmlichen, nichtlinearen RNNs und sogar zu Transformern macht.</p> <p>Die neue Studie von ArXiv 2603.03612v1 liefert die entscheidende Antwort: LRNNs lassen sich als log‑tiefe arithmetische Schaltkreise da
arXiv – cs.LG
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