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 “Gradientenaufstieg”

G-Drift MIA: Neue Methode zur Aufdeckung von Trainingsbeispielen in LLMs

Large Language Models (LLMs) werden mit riesigen Webkorpora trainiert, was immer mehr Bedenken hinsichtlich Privatsphäre und Urheberrecht a…

arXiv – cs.LG 02.04.2026 04:00

Neues probabilistisches Modell für Kristallstruktur: Denoising, Phasen & OPs

Atomistische Simulationen liefern riesige Mengen verrauschter Strukturdaten, doch die extraktion von Phasenkennungen, Ordnungsparametern un…

arXiv – cs.AI 15.12.2025 05:00

<p>Neuer Ansatz für maschinelles Vergessen: Geometrische Entanglement-Entfernung</p> <p>In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovativer Weg vorgestellt, um das Problem des maschinellen Vergessens zu lösen. Dabei geht es darum, den Einfluss bestimmter Trainingsdaten aus einem bereits eingesetzten Modell zu entfernen, ohne gleichzeitig das Wissen, das das Modell bereits besitzt, zu schädigen. Traditionelle Methoden, die auf Gradientenaufstieg bei „Vergessens“-Beispielen setzen, leiden

arXiv – cs.LG 24.11.2025 05:00

Bi-LoRA: Effizientes Sharpness‑Aware Fine‑Tuning für große Modelle

Die Feinabstimmung von hochgradig vortrainierten Modellen mit nur wenigen Daten bleibt eine große Herausforderung. Der Ansatz Sharpness‑Awa…

arXiv – cs.LG 28.08.2025 05:00