Finde Modelle, Firmen und Themen

In vielen realen Datensätzen liegen hierarchische Strukturen verborgen, die sich besonders gut durch hyperbolische Geometrie darstellen las…

Moderne Deep‑Learning‑Netze bleiben schwer verständlich, weil ihre latenten Repräsentationen undurchsichtig sind. Das erschwert das Verstän…

In der Welt der automatisierten Grafikgestaltung steht die Herausforderung im Vordergrund, ein Design zu erzeugen, das sowohl optisch überz…

Das neue Framework Hi‑SAM löst zwei zentrale Probleme der multimodalen Empfehlung: die ineffiziente Tokenisierung von Text‑ und Bilddaten s…

Forscher haben ein neues, selbstlernendes Bewertungssystem namens Table-BiEval entwickelt, das Large Language Models (LLMs) auf ihre Fähigk…

In einer wegweisenden Arbeit untersuchen die Autoren die thermodynamische Grenze von Deep Neural Networks (DNNs) und rekurrenten neuronalen…

Forscher haben eine kompakte, kalibrierbare Theorie entwickelt, die genau vorhersagt, wann Multi-Agent-Systeme unter einem festen Rechenbud…

Auf der Plattform arXiv wurde die neueste Arbeit mit der Identifikationsnummer 2512.17577v1 veröffentlicht. Die Studie präsentiert innovati…

Large Language Models (LLMs) haben in vielen Aufgaben die Spitzenposition erreicht, bleiben jedoch in ihrer Funktionsweise weitgehend undur…

Graph‑Foundation‑Models (GFMs) haben in den letzten Jahren bemerkenswerte Fortschritte erzielt, doch ihre Widerstandsfähigkeit gegenüber Do…

Hierarchische Strukturen sind in vielen Bereichen des maschinellen Lernens – von natürlicher Sprachverarbeitung über Bildanalyse bis hin zu…

Die neue Methode LeanRAG kombiniert Wissensgraphen mit Retrieval-Augmented Generation (RAG), um die Qualität von Large Language Models zu v…