Finde Modelle, Firmen und Themen

In der Analyse von Reverse‑Diffusion‑Modellen wird bislang der Sampling‑Fehler in der euclidischen Geometrie des Wasserstein‑Abstands \(\Wt…

Ein neues arXiv‑Veröffentlichungsdokument präsentiert Modulated Hazard‑aware Policy Optimization (MHPO), eine innovative Methode, die die S…

Large Language Models (LLMs) werden zunehmend als eigenständige Denkagenten eingesetzt, um Entscheidungen zu unterstützen, wissenschaftlich…

In einer neuen Studie auf arXiv wird erklärt, warum das Phänomen des Grokking – die plötzliche Generalisierung eines Modells lange nach per…

In der distributionalen Verstärkungslern‑Forschung (DRL) wird die Entwicklung ganzer Rückkehrverteilungen durch Bellman‑Updates untersucht…

Offline-Reinforcement-Learning (RL) ermöglicht datenintensive und sichere Politikentwicklung ohne Online-Erkundung. In der Praxis leidet di…

Ein neues Forschungswerkzeug namens Score‑Guided Proximal Projection (SGPP) verspricht, die bisher schwierige Steuerung von Rectified‑Flow‑…

In einer bahnbrechenden Veröffentlichung auf arXiv präsentiert ein internationales Forscherteam die Methode JAWS (Jacobian-Adaptive Weighti…

In der Echtzeit‑TDDFT (zeitabhängige Dichtefunktionaltheorie) werden die elektronischen Wellenfunktionen eines Moleküls kontinuierlich in R…

Ein neues arXiv‑Veröffentlichung (2603.03610v1) liefert einen bedeutenden Fortschritt in der Optimierung von Systemen, die aus modularen Ba…

Ein neues Papier auf arXiv (2603.02531v1) legt einen grundlegenden Rahmen vor, der die bislang getrennten Ansätze der Diffusion‑Guidance un…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Ansatz für das personalisierte Multi-Agenten‑Average‑Reward‑TD‑Ler…

Wissenschaftler haben eine bahnbrechende Gleichgewichts-Theorie für Systeme von großen Sprachmodellen (LLM) entwickelt, die unter zentraler…

In der Welt des Verstärkungslernens (RL) stehen Agenten häufig vor der Herausforderung, Entscheidungen zu treffen, ohne die komplette Umgeb…

Ein neues arXiv‑Veröffentlichungsdokument liefert den ersten hochwahrscheinlichen Regret‑Bound für klassisches Online Q‑Learning in unendli…

Untrainierte neuronale Netzwerke (UNNs) ermöglichen hochpräzise elektromagnetische Inverse-Scattering-Rekonstruktionen, sind jedoch durch d…

Ein neues arXiv-Papier (2602.11399v1) untersucht, ob ein einziges Modell als Prior für alle Belohnungen in Reinforcement‑Learning‑Aufgaben…

In tiefen Graph Convolutional Networks (GCNs) führt das Phänomen des Oversmoothings dazu, dass Knotenrepräsentationen mit zunehmender Tiefe…

Ein neues Verfahren namens Distributional Sobolev Training erweitert die Möglichkeiten des Reinforcement Learning in stochastischen und ver…

Die Vereinigung von symbolischem Logiksystemen und neuronalen Netzwerken bleibt eines der zentralen Probleme der künstlichen Intelligenz. S…

Graph-Clustering zielt darauf ab, Knoten in sinnvolle Cluster zu gruppieren, indem die Ähnlichkeit zwischen ihnen genutzt wird. Bisher nutz…

Ein kürzlich veröffentlichtes arXiv‑Paper stellt einen innovativen Ansatz vor, mit dem künstliche Intelligenz aus rohen Erfahrungen eigenst…

Ein brandneues Papier aus dem arXiv‑Repository liefert einen klaren geometrischen Rahmen, um die Dynamik von Agenten‑Loops in großen Sprach…

Multi-Armed Bandits (MABs) sind ein bewährtes Werkzeug für sequentielle Entscheidungen, das vor allem in der Ressourcenallokation und bei d…

Ein neues Verfahren zur Dataset‑Quantisierung, vorgestellt auf arXiv, verspricht, die Speicher- und Kommunikationskosten großer Datensätze…

Eine neue Veröffentlichung auf arXiv präsentiert einen Durchbruch in der Erklärbarkeit von tiefen, hochdimensionalen Machine‑Learning‑Model…

Die gleichzeitige Schulung und Bereitstellung mehrerer Vision‑Transformer‑Modelle für unterschiedliche Ressourcenbeschränkungen ist bislang…

Ein neues Verfahren aus dem arXiv-Preprint 2511.05758v1 liefert einen robusten und sicheren Ansatz für Robust Constrained Average-Cost Mark…

Das neueste Update von IREE, dem MLIR‑basierten Compiler und Laufzeit für maschinelles Lernen, bringt erstmals vollständigen RISC‑V‑Microke…

Neues arXiv‑Paper (ID 2508.11432v1) zeigt, wie Convolutional Neural Ordinary Differential Equations (NODEs) durch kontraktive Regularisieru…