Finde Modelle, Firmen und Themen

In einer bahnbrechenden Studie wird die bislang rätselhafte Zerbrechlichkeit von Transformer‑Modellen endlich entschlüsselt. Die Autoren pr…

Ein neues Verfahren namens TaperNorm ersetzt die herkömmliche Normalisierung in Transformer‑Modellen durch einen dynamischen, sample‑unabhä…

Die neuesten Fortschritte in großen Sprachmodellen (LLMs) liefern beeindruckende Leistungen, doch ihre hohen Rechen- und Speicheranforderun…

Ein neues Sprachmodell namens IMU‑1, das mit nur 430 Mio. Parametern und 72 B Tokens trainiert wurde, erreicht Leistungen, die bisher nur b…

Ein neues Forschungsdokument auf arXiv präsentiert LaguerreNet, ein Spectral Graph Neural Network, das die beiden größten Schwächen herkömm…

Die Testzeit-Adaptierung (TTA) hat sich als wirksame Methode erwiesen, um Leistungseinbußen bei einseitigen Verteilungsverschiebungen zu re…