Finde Modelle, Firmen und Themen

Sprachmodelle, die beim Lösen von Aufgaben lange Gedankengänge ausgeben, sind oft sehr leistungsfähig – aber auch extrem rechenintensiv. Ei…

Beim Wissenstransfer von großen Sprachmodellen (LLMs) wird häufig angenommen, dass die Ausgabe des Lehrers ein hochwertiges Trainingssignal…

In der Wissensdistillation wird ein Temperaturparameter eingesetzt, um die in den Gewichten des Lehrmodells verborgene Beziehungsmatrix für…

Ein neuer technischer Bericht auf arXiv präsentiert Quantization‑Aware Distillation (QAD) als effektive Lösung, um die Genauigkeit von NVFP…

In der Welt der automatischen Spracherkennung hat das neue Modell FastWhisper einen bedeutenden Fortschritt erzielt. Durch die Anwendung ei…

Deep‑Learning‑Modelle, insbesondere rekurrente neuronale Netze wie LSTM, haben die Analyse von Zeitreihen revolutioniert. Sie erkennen komp…

Die Kompression von Modellen durch Knowledge Distillation funktioniert, indem ein großes Lehrmodell (Teacher) sein Wissen an ein kleineres…

In einem klaren Signal für die globale KI-Welt hat das koreanische Startup Motif Technologies mit der Veröffentlichung von Motif‑2‑12.7B‑Re…

In der Entwicklung von Knowledge‑Distillation hat sich der Fokus von Logit‑ zu Feature‑basierten Ansätzen gewandelt. Mit der Einführung von…

Model‑Pruning ist ein bewährtes Verfahren, um die Rechenlast und den Speicherbedarf von Deep Neural Networks drastisch zu senken. In der Pr…

Die klinische Antimicrobial‑Therapie erfordert die dynamische Integration von Pathogenprofilen, Hostfaktoren, pharmakologischen Eigenschaft…

Ein neues Verfahren namens MathSE verspricht, multimodale große Sprachmodelle (MLLMs) bei komplexen mathematischen Aufgaben deutlich zu stä…

Die neueste Veröffentlichung auf arXiv (2508.20646v1) stellt VarDiU vor – eine Variational Diffusive Upper Bound, die die Qualität von ein‑…

Eine neue Studie auf arXiv präsentiert einen innovativen Ansatz für das Curriculum‑Learning bei der Ausbildung großer Sprachmodelle (LLMs)…