Suche nach Graphbasiert

Neues KI-Modell liefert erklärbare Vorhersagen für Hafenüberlastung

Ein innovatives KI-System namens AIS‑TGNN kombiniert ein Temporal Graph Attention Network mit einem strukturierten Large‑Language‑Model, um…

arXiv – cs.AI 06.03.2026 05:00

Forschung

FreST Loss: Frequenzbasierte Methode verbessert spatio-temporale Vorhersagen

Ein neues Forschungswerk aus dem Bereich der graphbasierten Zeitreihenanalyse hat die Art und Weise, wie komplexe räumlich‑zeitliche Abhäng…

arXiv – cs.LG 06.03.2026 05:00

Forschung

PlugMem: Aufgabenunabhängiges Speicher-Plugin für LLM-Agenten

Langfristiges Gedächtnis ist für große Sprachmodelle (LLM), die in komplexen Umgebungen arbeiten, unverzichtbar. Bisherige Speicherlösungen…

arXiv – cs.AI 05.03.2026 05:00

Forschung

Neues Relationales Foundation-Modell lernt aus synthetischen Daten

Relationale Datenbanken bilden das Rückgrat moderner Unternehmen, doch bislang fehlt ihnen ein echtes Foundation-Modell wie in Text- oder B…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neues Modell RepSPD verbessert EEG-Analyse durch dynamische Graphen

Die Entschlüsselung von Hirnaktivitäten mittels Elektroenzephalographie (EEG) ist ein zentrales Thema in der Neurowissenschaft und in klini…

arXiv – cs.AI 27.02.2026 05:00

Forschung

ImpRIF: Stärkeres implizites Denken verbessert komplexe Befehlsausführung

Mit der zunehmenden Komplexität von Anwendungen, die große Sprachmodelle (LLMs) einsetzen, steigt auch der Bedarf an zuverlässigen Fähigkei…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Neues Framework GraSPer verbessert personalisierte Texte bei wenigen Daten

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz hat ein innovatives Verfahren namens GraSPer vorgestellt, das die P…

arXiv – cs.AI 26.02.2026 05:00

Forschung

HELP: HyperNode-Erweiterung erhöht Genauigkeit und Effizienz von GraphRAG

Moderne Sprachmodelle stoßen häufig an ihre Grenzen, wenn es um das Abrufen von Fakten geht. Sie neigen zu Halluzinationen und können kompl…

arXiv – cs.AI 25.02.2026 05:00

Forschung

Hierarchisches Molekül-Embedding: GraSPNet revolutioniert selbstüberwachtes Lernen

Graph‑Self‑Supervised Learning (GSSL) hat gezeigt, dass graphbasierte Embeddings ohne menschliche Anmerkungen erzeugt werden können – ein g…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neue Methode TopoRAG nutzt Zellkomplexe für bessere Graphen‑Q&A

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovatives Verfahren namens TopoRAG vorgestellt, das die Leistungsfähigkeit v…

arXiv – cs.AI 24.02.2026 05:00

Forschung

LLMs und GraphRAG automatisieren DSM‑Erstellung für Cyber‑Physical Systems

Forscher haben gezeigt, dass große Sprachmodelle (LLMs) in Kombination mit Retrieval‑Augmented Generation (RAG) und der graphbasierten Vari…

arXiv – cs.AI 20.02.2026 05:00

Forschung

OpenSage: KI‑gestützte Agentenentwicklung ohne menschliche Eingriffe

In einer kürzlich veröffentlichten Arbeit auf arXiv (2602.16891v1) wird OpenSage als das erste Agent Development Kit (ADK) vorgestellt, das…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Framework zur Messung von Relationalem Bias in Datenbanklernprozessen

Ein neues Forschungsframework namens „Locality Radius“ liefert erstmals ein präzises Maß dafür, wie groß das strukturelle Umfeld sein muss…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Federated GNNs: Geometrische Kohärenz bei globaler Aggregation neu definiert

Federated Learning (FL) ermöglicht das Training von Modellen über mehrere Clients hinweg, ohne dass Daten zentralisiert werden. Graph Neura…

arXiv – cs.LG 18.02.2026 05:00

Forschung

GREPO: Erstes Benchmark für GNNs zur Fehlerlokalisierung in Code‑Repositories

Die Lokalisierung von Fehlern auf Repository‑Ebene – also das Auffinden der genauen Stelle, an der Code geändert werden muss, um einen Bug…

arXiv – cs.LG 17.02.2026 05:00

Forschung

WebClipper: Web-Agenten effizienter durch graphbasiertes Trajektorien‑Pruning

In der Welt der Web‑Agenten, die komplexe Informationsaufgaben lösen, bleibt die Sucheffizienz bislang wenig erforscht. Viele führende Open…

arXiv – cs.AI 16.02.2026 05:00

Forschung

Nur 15 % der Tokens sind entscheidend: Technik verbessert multimodale KI-Logik

Mit Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) wurden die Denkfähigkeiten multimodaler Large Language Models (MLLMs) deu…

arXiv – cs.AI 13.02.2026 05:00

Forschung

Adaptive Physics Transformer: Neue Ära der Untergrund‑Simulationen

Die Erde bietet mit ihrem Untergrund unverzichtbare Energiequellen – von Erdöl und Erdgas bis hin zu Geothermie und Mineralien – und fungie…

arXiv – cs.LG 13.02.2026 05:00

Forschung

MalMoE: Mixture-of-Experts erkennt verschlüsselten Malware-Verkehr trotz Graph‑Drift

Die zunehmende Nutzung von Verschlüsselung im Netzwerkverkehr erschwert die Erkennung von bösartigen Datenpaketen, weil der Inhalt der Pake…

arXiv – cs.AI 12.02.2026 05:00

Forschung

Neuer Graph-Transformer mit serialisierten Graph-Tokens erzielt Rekordleistungen

Ein neuer Ansatz für Graph-Transformer, der auf serialisierten Graph-Tokens basiert, hat die Grenzen der graphbasierten Lernverfahren neu d…

arXiv – cs.AI 11.02.2026 05:00

Forschung

GraphLLM beschleunigt dank zweistufig optimierter sparsamer Abfragen

Neuste Forschungen zeigen, dass große Sprachmodelle (LLMs) enorme Vorteile für Aufgaben auf textattributierten Graphen bieten, indem sie er…

arXiv – cs.AI 11.02.2026 05:00

Forschung

GraphAgents: KI-Agenten mit Wissensgraphen revolutionieren Materialdesign

Large Language Models (LLMs) versprechen, die Entdeckung neuer Materialien zu beschleunigen, indem sie über das wachsende wissenschaftliche…

arXiv – cs.AI 10.02.2026 05:00

Forschung

Neuer Ansatz GRAPHITE steigert Homophilie in heterophilen Graphen

Graph Neural Networks (GNNs) haben sich als leistungsstarkes Werkzeug zur Analyse von Graphdaten etabliert, stoßen jedoch bei heterophilen…

arXiv – cs.LG 10.02.2026 05:00

Forschung

<h1>HugRAG: Hierarchisches Kausalitätsmodell verbessert Retrieval-augmented Generation</h1> <p>Die neueste Veröffentlichung auf arXiv (2602.05143v1) präsentiert HugRAG, ein innovatives Framework, das die Art und Weise, wie Wissen in graphbasierten Retrieval-augmented Generation (RAG)-Systemen organisiert wird, grundlegend überdenkt. Durch die Einführung von kausalen Gate-Mechanismen über hierarchische Module adressiert HugRAG die Schwächen bisheriger Ansätze, die sich zu stark auf oberflächliche Knotenerken

arXiv – cs.AI 06.02.2026 05:00

Forschung

AutoDiscover: Kaltstart‑Lösung im aktiven Lernen mit graphbasiertem Thompson

Systematische Literaturübersichten (SLRs) sind für evidenzbasierte Forschung unverzichtbar, doch die manuelle Vorauswahl von Studien wird z…

arXiv – cs.LG 06.02.2026 05:00

Forschung

GAMMS: Leichter Graph-basierter Multiagenten-Simulator für schnelle Experimente

Mit dem neuen Open‑Source‑Framework GAMMS (Graph based Adversarial Multiagent Modeling Simulator) erhalten Forscher und Entwickler ein leic…

arXiv – cs.AI 06.02.2026 05:00

Forschung

MOOC‑Empfehlungssystem nutzt semantische Pfade für bessere Vorschläge

In der Welt der Online‑Kurse gewinnen Empfehlungssysteme zunehmend an Bedeutung, um Lernende bei der Auswahl passender Inhalte zu unterstüt…

arXiv – cs.AI 06.02.2026 05:00

Forschung

ControlG: Feedback‑gesteuerte Zeitplanung verbessert Multi‑Objective Graph‑SSL

In der Welt der graphbasierten selbstüberwachten Lernverfahren (SSL) stehen Forscher vor einer großen Herausforderung: Wie lassen sich mehr…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Graphbasierte Agenten-Speicher: Taxonomie, Techniken und Anwendungen

In der neuesten Studie von arXiv (2602.05665v1) wird gezeigt, dass Speicher das zentrale Element von Large Language Model (LLM)-basierten A…

arXiv – cs.AI 06.02.2026 05:00

Forschung

Reversibler Deep Learning-Ansatz für 13C‑NMR: Struktur & Spektrum vereint

Ein neues arXiv‑Paper (2602.03875v1) präsentiert einen reversiblen Deep‑Learning‑Ansatz, der die Vorhersage von 13C‑NMR‑Spektren und die Re…

arXiv – cs.AI 05.02.2026 05:00

Finde Modelle, Firmen und Themen

Neues KI-Modell liefert erklärbare Vorhersagen für Hafenüberlastung

FreST Loss: Frequenzbasierte Methode verbessert spatio-temporale Vorhersagen

PlugMem: Aufgabenunabhängiges Speicher-Plugin für LLM-Agenten

Neues Relationales Foundation-Modell lernt aus synthetischen Daten

Neues Modell RepSPD verbessert EEG-Analyse durch dynamische Graphen

ImpRIF: Stärkeres implizites Denken verbessert komplexe Befehlsausführung

Neues Framework GraSPer verbessert personalisierte Texte bei wenigen Daten

HELP: HyperNode-Erweiterung erhöht Genauigkeit und Effizienz von GraphRAG

Hierarchisches Molekül-Embedding: GraSPNet revolutioniert selbstüberwachtes Lernen

Neue Methode TopoRAG nutzt Zellkomplexe für bessere Graphen‑Q&A

LLMs und GraphRAG automatisieren DSM‑Erstellung für Cyber‑Physical Systems

OpenSage: KI‑gestützte Agentenentwicklung ohne menschliche Eingriffe

Framework zur Messung von Relationalem Bias in Datenbanklernprozessen

Federated GNNs: Geometrische Kohärenz bei globaler Aggregation neu definiert

GREPO: Erstes Benchmark für GNNs zur Fehlerlokalisierung in Code‑Repositories

WebClipper: Web-Agenten effizienter durch graphbasiertes Trajektorien‑Pruning

Nur 15 % der Tokens sind entscheidend: Technik verbessert multimodale KI-Logik

Adaptive Physics Transformer: Neue Ära der Untergrund‑Simulationen

MalMoE: Mixture-of-Experts erkennt verschlüsselten Malware-Verkehr trotz Graph‑Drift

Neuer Graph-Transformer mit serialisierten Graph-Tokens erzielt Rekordleistungen

GraphLLM beschleunigt dank zweistufig optimierter sparsamer Abfragen

GraphAgents: KI-Agenten mit Wissensgraphen revolutionieren Materialdesign

Neuer Ansatz GRAPHITE steigert Homophilie in heterophilen Graphen

AutoDiscover: Kaltstart‑Lösung im aktiven Lernen mit graphbasiertem Thompson

GAMMS: Leichter Graph-basierter Multiagenten-Simulator für schnelle Experimente

MOOC‑Empfehlungssystem nutzt semantische Pfade für bessere Vorschläge

ControlG: Feedback‑gesteuerte Zeitplanung verbessert Multi‑Objective Graph‑SSL

Graphbasierte Agenten-Speicher: Taxonomie, Techniken und Anwendungen

Reversibler Deep Learning-Ansatz für 13C‑NMR: Struktur & Spektrum vereint

🍪 Cookie-Einstellungen

Nur 15 % der Tokens sind entscheidend: Technik verbessert multimodale KI-Logik