Suche nach Lernende | meineki.news

Trilingual Triad: Design, KI und Fachwissen vereint – neue Lernmethode für No-Code Smart Cities

Ein brandneues Forschungsmodell namens „Trilingual Triad“ zeigt, wie Studierende mit generativer künstlicher Intelligenz (KI) aktiv gestalt…

arXiv – cs.AI 06.03.2026 05:00

Forschung

Dual-Helix-Governance: Zuverlässige Agenten‑AI für WebGIS

In der WebGIS‑Entwicklung ist Präzision entscheidend, doch agentische KI‑Modelle stoßen häufig an ihre Grenzen. Die Forschung identifiziert…

arXiv – cs.AI 05.03.2026 05:00

Forschung

SEA-TS: Selbstlernender Agent revolutioniert Zeitreihenprognosen

Ein neues Forschungsprojekt namens SEA-TS (Self‑Evolving Agent for Time Series Algorithms) hat die Art und Weise, wie Zeitreihenprognosen e…

arXiv – cs.AI 06.03.2026 05:00

Forschung

DEVS-Formalismus ermöglicht KI-generierte, überprüfbare Weltmodelle

Weltmodelle sind entscheidend für Planung und Bewertung von agentenbasierten Systemen. Bisher stehen zwei extreme Ansätze zur Verfügung: ha…

arXiv – cs.AI 05.03.2026 05:00

Forschung

Online-Lernbarkeit von Chain-of-Thought-Verifikatoren: Korrektheit vs. Vollständigkeit

Wissenschaftler haben ein neues Online-Lernframework vorgestellt, das Chain-of-Thought-Verifikatoren – Werkzeuge, die die Richtigkeit von S…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neues Riemannian-Optimierungsverfahren verbessert modulare Systeme

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

arXiv – cs.LG 05.03.2026 05:00

Forschung

Ohne Belohnungen: Beobachter lernen optimale Politik aus Aktionen

In der neuen Studie zum Inverse Contextual Bandit (ICB) wird untersucht, wie ein Beobachter ohne Zugriff auf Belohnungen die zugrunde liege…

arXiv – cs.LG 05.03.2026 05:00

Forschung

EvoSkill: Automatisierte Entdeckung von Agentenfähigkeiten steigert KI-Leistung

EvoSkill ist ein selbstlernendes Framework, das Agentenfähigkeiten automatisch entdeckt und verfeinert, indem es Fehleranalysen nutzt. Das…

arXiv – cs.AI 04.03.2026 05:00

Aktuell

Physical AI erlebt jetzt seinen Durchbruch – und alle wollen mitmachen

In der Technologiebranche gibt es einen besonderen Schwung, der sich nicht durch einen einzelnen Durchbruch, sondern durch die gleichzeitig…

AI News (TechForge) 04.03.2026 12:00

Forschung

Transformer-Modelle absorbieren Routing-Signale – Random Gates bleiben konkurrenzfähig

Eine neue Untersuchung auf arXiv zeigt, dass Transformer‑Modelle, die sparsames Attention end‑to‑end trainieren, die Routing‑Signale ihrer…

arXiv – cs.LG 04.03.2026 05:00

Forschung

MAML-KT löst Kaltstartproblem bei Lernfortschrittsvorhersage

In der Lernfortschrittsvorhersage (Knowledge Tracing, KT) werden Modelle üblicherweise mit den ersten Interaktionen aller Lernenden trainie…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Physikbasierte Lernfähigkeit: Von Unabhängigkeit zu operativen Grenzen

Ein brandneues Konzept namens physikbewusste Lernfähigkeit (PL) wird vorgestellt, das die Lernfähigkeit von Modellen nicht mehr nur theoret…

arXiv – cs.LG 03.03.2026 05:00

Forschung

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

Neues Forschungsergebnis aus dem Bereich der künstlichen Intelligenz zeigt, dass große Sprachmodelle – obwohl sie auf riesigen Mengen mensc…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Maschinelles Lernen im Wettbewerb – Nutzerwahl führt zu Über‑Spezialisierung, Peer‑Modelle als Lösung

In vielen wirtschaftlich relevanten Anwendungsfeldern, in denen maschinelles Lernen eingesetzt wird, konkurrieren mehrere Plattformen um di…

arXiv – cs.LG 02.03.2026 05:00

Forschung

LLM-Agenten mit lernbasierter Experteninteraktion deutlich leistungsfähiger

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz hat gezeigt, dass große Sprachmodelle (LLM) durch gezielte Zusammen…

arXiv – cs.AI 27.02.2026 05:00

Forschung

X-REFINE: KI-gestützte Relevanzfilterung verbessert Kanalabschätzung in 6G

In der rasanten Entwicklung von 6G-Wireless-Kommunikation sind KI-native Architekturen unverzichtbar. Doch die Black-Box-Natur und die hohe…

arXiv – cs.LG 27.02.2026 05:00

Forschung

Tool‑R0: Selbstlernende LLM‑Agenten entwickeln sich ohne Daten

In einer wegweisenden Veröffentlichung präsentiert Tool‑R0 ein völlig neues Konzept für die Ausbildung von Sprachmodell‑Agenten, die eigens…

arXiv – cs.LG 26.02.2026 05:00

Forschung

LLMs optimieren Empfehlungen: Lernende Verbalisierung steigert Treffer um 93 %

Large Language Models (LLMs) werden zunehmend als Kernkomponenten in generativen Empfehlungssystemen eingesetzt. Ein bislang wenig erforsch…

arXiv – cs.AI 25.02.2026 05:00

Forschung

Effizienter Ansatz für opportunistische Zielerreichung

In einer neuen Studie zum Thema opportunistische Zielerreichung – einer Erweiterung der klassischen Blackwell‑Zielerreichung – wird ein eff…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Neue Methode für robustes Online-Lernen mit Wasserstein-Distributionen

In einer kürzlich veröffentlichten Arbeit auf arXiv präsentieren Forscher einen innovativen Ansatz für das robuste Online-Lernen, bei dem e…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Transformer‑Stabilität: Neue Theorie erklärt Sensitivität und Architektur

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

arXiv – cs.LG 24.02.2026 05:00

Forschung

Studierende erleben KI-Halluzinationen: Analyse der Ursachen und Erkennung

In einer Zeit, in der immer mehr Studierende auf große Sprachmodelle zurückgreifen, stellen KI-Halluzinationen eine wachsende Gefahr für da…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Neues Verfahren: Abstentionsbasierte Vorhersage ohne Verteilungswissen

In einem neu veröffentlichten Beitrag auf arXiv wird ein innovatives Verfahren vorgestellt, das das Problem der sequentiellen Vorhersage in…

arXiv – cs.LG 23.02.2026 05:00

Forschung

<p>Prior Estimator: Lernende Klassenprioritäten aus latenten Repräsentationen</p> <p>Eine neue Methode namens Neural Prior Estimator (NPE) löst das Problem des Klassenungleichgewichts in tiefen neuronalen Netzen, indem sie die effektiven Klassenprioritäten aus den latenten Merkmalen lernt. Durch die Anpassung der Logits an die geschätzten Prioritäten werden Verzerrungen reduziert und die Leistung bei seltenen Klassen verbessert.</p> <p>NPE kombiniert einen oder mehrere Prior Estimation Modules, die gemeinsa

arXiv – cs.LG 23.02.2026 05:00

Forschung

Agentische 6G-Kommunikation: Intent‑Aware und kontinuierlich lernende Schicht

Mit dem Aufkommen von 6G verändern sich die Anforderungen an drahtlose Systeme grundlegend. Die zunehmende funktionale Komplexität und die…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Automatisierte Lernpfad-Graphen: InstructKG revolutioniert personalisiertes Lernen

Ein neues Forschungsprojekt namens InstructKG zeigt, wie Lehrinhalte automatisch in strukturierte Wissensgraphen überführt werden können. D…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Feedback‑Truth‑Gap: Warum Lernende bei Rauschen dem Feedback folgen

Eine brandneue Untersuchung aus dem Bereich des maschinellen Lernens und der kognitiven Psychologie hat ein zentrales Phänomen aufgedeckt…

arXiv – cs.LG 20.02.2026 05:00

Forschung

<h1>Sequenzmodelle ermöglichen kooperative Multi-Agent-Strategien ohne feste Annahmen</h1> <p>Die Herausforderung, selbstinteressierte Agenten zu kooperieren, bleibt ein zentrales Problem im Multi-Agenten‑Reinforcement‑Learning. Neuere Studien haben gezeigt, dass Agenten, die sich der Lerndynamik ihrer Mitspieler bewusst sind, gegenseitige Kooperation fördern können. Traditionelle Ansätze stützen sich jedoch häufig auf starre, oft widersprüchliche Annahmen über Lernregeln oder trennen strikt „naive Lernende

arXiv – cs.AI 19.02.2026 05:00

Forschung

DRTC: Erkennung kritischer Entscheidungsstellen in Sprachmodell-Logik

Die Frage, wie Sprachmodelle lange, komplexe Argumentationsketten aufbauen, bleibt ein zentrales Forschungsproblem. Bisherige Erklärungsans…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Neues Modell korrigiert ASR-Fehler bei Namen mit adaptiver Chain-of-Thought

End-to-End-Spracherkennungssysteme haben oft Probleme, domänenspezifische Begriffe wie Namen korrekt zu erkennen. Ein neues, auf großen Spr…

arXiv – cs.AI 16.02.2026 05:00

Finde Modelle, Firmen und Themen

Trilingual Triad: Design, KI und Fachwissen vereint – neue Lernmethode für No-Code Smart Cities

Dual-Helix-Governance: Zuverlässige Agenten‑AI für WebGIS

SEA-TS: Selbstlernender Agent revolutioniert Zeitreihenprognosen

DEVS-Formalismus ermöglicht KI-generierte, überprüfbare Weltmodelle

Online-Lernbarkeit von Chain-of-Thought-Verifikatoren: Korrektheit vs. Vollständigkeit

Neues Riemannian-Optimierungsverfahren verbessert modulare Systeme

Ohne Belohnungen: Beobachter lernen optimale Politik aus Aktionen

EvoSkill: Automatisierte Entdeckung von Agentenfähigkeiten steigert KI-Leistung

Physical AI erlebt jetzt seinen Durchbruch – und alle wollen mitmachen

Transformer-Modelle absorbieren Routing-Signale – Random Gates bleiben konkurrenzfähig

MAML-KT löst Kaltstartproblem bei Lernfortschrittsvorhersage

Physikbasierte Lernfähigkeit: Von Unabhängigkeit zu operativen Grenzen

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

Maschinelles Lernen im Wettbewerb – Nutzerwahl führt zu Über‑Spezialisierung, Peer‑Modelle als Lösung

LLM-Agenten mit lernbasierter Experteninteraktion deutlich leistungsfähiger

X-REFINE: KI-gestützte Relevanzfilterung verbessert Kanalabschätzung in 6G

Tool‑R0: Selbstlernende LLM‑Agenten entwickeln sich ohne Daten

LLMs optimieren Empfehlungen: Lernende Verbalisierung steigert Treffer um 93 %

Effizienter Ansatz für opportunistische Zielerreichung

Neue Methode für robustes Online-Lernen mit Wasserstein-Distributionen

Transformer‑Stabilität: Neue Theorie erklärt Sensitivität und Architektur

Studierende erleben KI-Halluzinationen: Analyse der Ursachen und Erkennung

Neues Verfahren: Abstentionsbasierte Vorhersage ohne Verteilungswissen

Agentische 6G-Kommunikation: Intent‑Aware und kontinuierlich lernende Schicht

Automatisierte Lernpfad-Graphen: InstructKG revolutioniert personalisiertes Lernen

Feedback‑Truth‑Gap: Warum Lernende bei Rauschen dem Feedback folgen

DRTC: Erkennung kritischer Entscheidungsstellen in Sprachmodell-Logik

Neues Modell korrigiert ASR-Fehler bei Namen mit adaptiver Chain-of-Thought

🍪 Cookie-Einstellungen

LLMs optimieren Empfehlungen: Lernende Verbalisierung steigert Treffer um 93 %