Suche nach Kernel | meineki.news

VSPrefill: Neue Sparse‑Attention für lange Kontexte – 4,95‑fach schneller

Die quadratische Komplexität der Selbst‑Attention‑Phase behindert die Nutzung von Sprachmodellen mit sehr langen Kontexten. Bestehende Spar…

arXiv – cs.LG 06.03.2026 05:00

Praxis

KernelAgent: GPU‑Kernel‑Optimierung mit Multi‑Agenten – 100 % Genauigkeit

Das PyTorch‑Team hat KernelAgent veröffentlicht, ein Open‑Source‑Agentensystem, das GPU‑Kernel mithilfe von Multi‑Agenten orchestriert und…

PyTorch – Blog 06.03.2026 20:00

Praxis

PyTorch auf Mikro‑Edge: ExecuTorch und Arm bringen KI in die Hand

Die Künstliche Intelligenz verlässt zunehmend die Cloud und findet ihren Weg in Geräte, die in die Hand passen. Für Entwickler bedeutet das…

PyTorch – Blog 05.03.2026 15:55

Forschung

Transport Clustering: Effiziente Lösung für Low‑Rank Optimal Transport

Optimal Transport (OT) liefert den kostengünstigsten Transportplan zwischen zwei Wahrscheinlichkeitsverteilungen. Im Gegensatz zum klassisc…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Effiziente Q-Measure-Learning-Methodik für kontinuierliche Zustände in RL

In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz für Reinforcement Learning in Markov-Entscheidungsprozessen mit konti…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neurale Operatoren: Zuverlässiger Umgang mit Funktionen außerhalb des Trainings

In einer neuen Veröffentlichung auf arXiv wird ein rigoroses Konzept vorgestellt, das neuronale Operatoren erweitert, um Eingabefunktionen…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

Ein neuer Beitrag auf arXiv stellt ein innovatives Modell vor, das die Rekonstruktion großer Wellenfelder deutlich beschleunigt und gleichz…

arXiv – cs.LG 04.03.2026 05:00

Forschung

UMAP im Vergleich: Starke Klassifikation, schwache Regression

Eine neue Analyse aus dem arXiv‑Repository untersucht die Leistungsfähigkeit von UMAP – einer beliebten Technik zur Dimensionsreduktion – i…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Adaptive personalisiertes Federated Learning: Kernel Mean Embeddings

Ein neues Verfahren für personalisiertes Federated Learning (PFL) wurde vorgestellt, das es Agenten ermöglicht, individuelle Modelle zu tra…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Zeitreihen‑Vorhersage neu: 2D‑Gaussian‑Splatting liefert Rekordleistung

Die Vorhersage von Zeitreihen bleibt ein komplexes Problem, weil sich kurzfristige Schwankungen und langfristige Trends eng verflechten. Tr…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Neue Auswahltheoreme beweisen: Vorhersagefähige Zustände sind Agenten unerlässlich

In einer kürzlich veröffentlichten Arbeit auf arXiv werden neue Auswahltheoreme vorgestellt, die zeigen, dass künstliche Agenten, die unter…

arXiv – cs.LG 04.03.2026 05:00

Forschung

4‑Bit‑Attention mit Quantization‑Aware Training: Neue Methode Attn‑QAT

Die zuverlässige Umsetzung von 4‑Bit‑Attention ist ein entscheidender Schritt für die vollständige FP4‑Rechnung auf den neuesten FP4‑fähige…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Skalierbares GP-Framework für parametrische Raum‑Zeit‑Felder

In einer kürzlich veröffentlichten Studie haben Forscher ein neues, skalierbares Gaussian‑Process‑Framework vorgestellt, das parametrische…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neurale Operatoren entdecken funktionale Cluster – neue Theorie und Praxis

Operator-Learning verändert die wissenschaftliche Berechnung, indem es die Inferenz über unendliche Problemfamilien amortisiert. Neurale Op…

arXiv – cs.LG 02.03.2026 05:00

Forschung

SGD vs. Quasi-Newton: Optimierer bestimmen Generalisierbarkeit von Netzen

Neuer Artikel auf arXiv zeigt, wie die Wahl des Optimierers die Qualität von neuronalen Netzen beeinflusst. Forscher untersuchten die beide…

arXiv – cs.LG 26.02.2026 05:00

Forschung

AgentOS: LLMs als autonome, OS‑gesteuerte Intelligenz neu definiert

In einer wegweisenden Veröffentlichung präsentiert das Team von AgentOS ein ganzheitliches Konzept, das Large Language Models (LLMs) von st…

arXiv – cs.AI 25.02.2026 05:00

Forschung

GNN-Modelle für Molekülregression: Benchmarking und CKA-Analyse

Eine neue Studie aus dem Bereich der rechnergestützten Chemie hat die Leistungsfähigkeit von Graphen-Neuronalen Netzen (GNN) bei der Vorher…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neuer Diffusionsansatz mit effizienten Schätzern übertrifft bestehende Methoden

Ein neues Forschungsprojekt präsentiert einen innovativen Ansatz für diskrete Denoising‑Diffusion‑Modelle, der die Schätzung einzelner Bedi…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Rank-basierte Spektralgrenzen sichern stabile FP8-Transformer-Training

Ein neues arXiv-Papier liefert einen entscheidenden Fortschritt für das Training von Transformer‑Modellen in extrem niedriger Präzision. Du…

arXiv – cs.LG 24.02.2026 05:00

Forschung

K-Search: KI-gestützte GPU-Kernel-Optimierung mit ko-evolutionärem Weltmodell

Die Optimierung von GPU‑Kerneln ist ein entscheidender Faktor für die Leistungsfähigkeit moderner Machine‑Learning‑Systeme. Trotz zahlreich…

arXiv – cs.AI 24.02.2026 05:00

Praxis

Beschleunigung des Autotunings in Helion durch Bayessche Optimierung

Helion ist eine hochrangige Domain‑Specific Language (DSL), die Entwicklern ermöglicht, leistungsstarke Machine‑Learning‑Kernels mit einer…

PyTorch – Blog 24.02.2026 17:55

Forschung

Quantisierung von Sprachmodellen auf Ascend NPU: Erfolgreich, aber herausfordernd

Post‑Training‑Quantisierung (PTQ) ist ein entscheidender Schritt für die effiziente Bereitstellung von KI‑Modellen. Auf der Ascend NPU, ein…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Neuer, strenger Regret‑Lower‑Bound für GP‑Bandits mit SE‑Kernel im Hypersphäre

Eine neue Studie liefert einen strengeren Regret‑Lower‑Bound für Gaussian‑Process‑Bandits mit dem squared exponential (SE) Kernel, wenn die…

arXiv – cs.LG 23.02.2026 05:00

Forschung

Neue Theorie verbindet Feature‑Lernen in RNNs und DNNs

Forscher haben eine einheitliche Mittelwertfeld‑Theorie entwickelt, die das Feature‑Learning in rekurrenten und tiefen neuronalen Netzwerke…

arXiv – cs.LG 18.02.2026 05:00

Forschung

<h1>Neues, optimierungsfreies Graph-Embedding verbessert Community-Erkennung</h1> <p>In der Welt der Graph-Embeddings, die sowohl Graph Neural Networks als auch Weisfeiler‑Lehman‑Methoden antreiben, ist das Phänomen des Over‑Smoothing – also die allmähliche Verschmelzung von Knotendistinktionen – seit langem ein Problem. Forscher haben nun gezeigt, dass zwei oft vernachlässigte Eigenschaften eines Netzwerks – die Verteilung der Knoten selbst und die Verteilung ihrer Gradzahlen – entscheidend für eine ausdru

arXiv – cs.LG 17.02.2026 05:00

Forschung

Zweifach stochastisches Mean-Shift-Clustering revolutioniert Clustering

Ein neues Verfahren namens Doubly Stochastic Mean-Shift (DSMS) löst ein langjähriges Problem der klassischen Mean-Shift-Algorithmen: die st…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Quantisierungskonflikt: Weniger Bits kosten mehr Energie

Ein neuer Beitrag auf arXiv zeigt, dass die weit verbreitete Annahme, dass geringere Präzision immer zu mehr Effizienz führt, bei komplexen…

arXiv – cs.AI 17.02.2026 05:00

Forschung

QuaRK: Quantenreservoir-Kernel revolutioniert Zeitreihenlernen

Die neue Methode QuaRK kombiniert ein hardware‑realistisches Quantenreservoir mit einem klassischen Kernel‑Readout, um Zeitreihen effizient…

arXiv – cs.LG 17.02.2026 05:00

Forschung

<p>OptiML: KI-gestütztes Framework optimiert CUDA-Kernel automatisch</p> <p>Mit dem neuen End‑to‑End-Framework OptiML können Entwickler:innen nun entweder eine natürliche Sprachbeschreibung oder vorhandenen CUDA-Code eingeben und sofort einen leistungsstarken, hardwareoptimierten Kernel erhalten. Das System nutzt ein Mixture‑of‑Thoughts‑Modell, um erste Implementierungsstrategien zu generieren, und verfeinert diese anschließend mithilfe eines Monte‑Carlo‑Tree‑Search‑Optimierers.</p> <p>Jede vorgeschlagene T

arXiv – cs.AI 16.02.2026 05:00

Forschung

LinkedIn setzt CADET ein: Transformer ohne Decoder für präzise CTR‑Vorhersagen

LinkedIn hat ein neues Modell namens CADET (Context‑Conditioned Ads Decoder‑Only Transformer) vorgestellt, das die Vorhersage der Klickrate…

arXiv – cs.LG 13.02.2026 05:00

Finde Modelle, Firmen und Themen

VSPrefill: Neue Sparse‑Attention für lange Kontexte – 4,95‑fach schneller

KernelAgent: GPU‑Kernel‑Optimierung mit Multi‑Agenten – 100 % Genauigkeit

PyTorch auf Mikro‑Edge: ExecuTorch und Arm bringen KI in die Hand

Transport Clustering: Effiziente Lösung für Low‑Rank Optimal Transport

Effiziente Q-Measure-Learning-Methodik für kontinuierliche Zustände in RL

Neurale Operatoren: Zuverlässiger Umgang mit Funktionen außerhalb des Trainings

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

UMAP im Vergleich: Starke Klassifikation, schwache Regression

Adaptive personalisiertes Federated Learning: Kernel Mean Embeddings

Zeitreihen‑Vorhersage neu: 2D‑Gaussian‑Splatting liefert Rekordleistung

Neue Auswahltheoreme beweisen: Vorhersagefähige Zustände sind Agenten unerlässlich

4‑Bit‑Attention mit Quantization‑Aware Training: Neue Methode Attn‑QAT

Skalierbares GP-Framework für parametrische Raum‑Zeit‑Felder

Neurale Operatoren entdecken funktionale Cluster – neue Theorie und Praxis

SGD vs. Quasi-Newton: Optimierer bestimmen Generalisierbarkeit von Netzen

AgentOS: LLMs als autonome, OS‑gesteuerte Intelligenz neu definiert

GNN-Modelle für Molekülregression: Benchmarking und CKA-Analyse

Neuer Diffusionsansatz mit effizienten Schätzern übertrifft bestehende Methoden

Rank-basierte Spektralgrenzen sichern stabile FP8-Transformer-Training

K-Search: KI-gestützte GPU-Kernel-Optimierung mit ko-evolutionärem Weltmodell

Beschleunigung des Autotunings in Helion durch Bayessche Optimierung

Quantisierung von Sprachmodellen auf Ascend NPU: Erfolgreich, aber herausfordernd

Neuer, strenger Regret‑Lower‑Bound für GP‑Bandits mit SE‑Kernel im Hypersphäre

Neue Theorie verbindet Feature‑Lernen in RNNs und DNNs

Zweifach stochastisches Mean-Shift-Clustering revolutioniert Clustering

Quantisierungskonflikt: Weniger Bits kosten mehr Energie

QuaRK: Quantenreservoir-Kernel revolutioniert Zeitreihenlernen

LinkedIn setzt CADET ein: Transformer ohne Decoder für präzise CTR‑Vorhersagen

🍪 Cookie-Einstellungen

KernelAgent: GPU‑Kernel‑Optimierung mit Multi‑Agenten – 100 % Genauigkeit