Finde Modelle, Firmen und Themen

Ein neuer Beitrag auf arXiv liefert einen echten Durchbruch für Reinforcement‑Learning‑Systeme, die mit verzögerten Zustandsbeobachtungen a…

Ein neuer Ansatz namens Adaptive Tree Policy Optimization (ATPO) verspricht, die Qualität von medizinischen Dialogen deutlich zu verbessern…

Autonome Agenten übernehmen zunehmend komplexe, langfristige Aufgaben – von mathematischem Denken bis zur Softwareerstellung. Dabei zerfall…

Misinformationen, die sich im Internet verbreiten, stellen eine ernsthafte Bedrohung für Gesellschaften und Einzelpersonen dar. Um dieser G…

Die Forschung im Bereich Künstliche Intelligenz erlebt einen entscheidenden Wandel: Von der reinen Generierung von Texten und Bildern hin z…

In der realen Welt stellen Verteilungsverschiebungen ein großes Problem für die Planung dar. Ein Modell, das unter bestimmten Bedingungen g…

ArXiv:2602.20810v1 – Neuerscheinung Wir stellen POMDPPlanners vor, ein Open-Source-Python-Paket, das die empirische Bewertung von Partially…

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

In der Verstärkungslern‑Forschung stellt die Gewährleistung von Sicherheit ein zentrales Problem dar – besonders in Bereichen wie autonomes…

In einer bedeutenden Veröffentlichung auf arXiv präsentiert ein Forschungsteam den Algorithmus OPO-CMDP, der erstmals Policy‑Optimierung fü…

Mit dem rasanten Ausbau intelligenter Infrastrukturen und Smart Cities wird die Wartung von Anlagen immer komplexer. Robotik muss dabei nic…

In einer wegweisenden Veröffentlichung präsentiert ein Forschungsteam neue, provably effiziente Algorithmen für robuste Markov-Entscheidung…

Partially observable Markov‑Decision‑Processes (POMDPs) bilden ein zentrales Modell für Entscheidungen unter Unsicherheit. Trotz ihrer Bede…

Wissenschaftler haben ein neues, transformer‑basiertes Reinforcement‑Learning‑System vorgestellt, das autonome Raumfahrzeuge dabei unterstü…

Die Forschung zum „Machine Unlearning“ für große Sprachmodelle (LLMs) hat ein neues Problem ans Licht gebracht: Die gängigen Evaluationsmet…

In einer wegweisenden Veröffentlichung stellen die Autoren ein neues Framework vor, das die logische Spezifikation von nicht-Markovianen Be…

In einer aktuellen Veröffentlichung auf arXiv wird gezeigt, dass Q‑Learning mit linearer Funktionsapproximation unter der sogenannten $(\va…

Die Entwicklung von TableQA-Agenten steht vor einer besonderen Herausforderung: Antworten lassen sich nicht sofort aus einer statischen Tab…

In der Welt der Agentic AI, wo Systeme über lange, stochastische Interaktionsspuren hinweg ihre Handlungen anpassen, stellt die Gewährleist…

Operations‑Research-Experten debuggen Modelle häufig durch einen iterativen Prozess: sie analysieren irreduzible infeasible Subsystems (IIS…

In einer wegweisenden Studie wird ein Verfahren vorgestellt, das autonome Agenten befähigt, Systeme mit verborgenen Zuständen zu erlernen u…

In einem neuen Beitrag auf arXiv wird ein innovatives Lernverfahren vorgestellt, das die Planung von Netzwerkressourcen in Echtzeit revolut…

In einer kürzlich veröffentlichten Studie wird ein innovativer Ansatz für das Bi‑Level-Reinforcement‑Learning vorgestellt, der die bisherig…

In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam FedSGM, ein einheitliches Framework für federated constrained optimiz…

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neues, einheitliches Konzept für die gezielte Erkundung von Zustands-Aktions-P…

Metric Differential Privacy (mDP) erweitert die klassische Local Differential Privacy, indem sie die Privatsphäre je nach Abstand zwischen…

Kontextuelles Reinforcement Learning (CRL) befasst sich mit der Lösung einer Reihe verwandter Contextual Markov Decision Processes (CMDPs)…

Die aktuelle Forschung im Bereich der großen Sprachmodelle (LLMs) zeigt, dass Standard-Sicherheitsanpassungen – die darauf abzielen, Modell…

Reinforcement Learning (RL) erlebt ein starkes Comeback als effektiver Ansatz zur Schulung interaktiver LLM-Agenten in realen Umgebungen. D…

In einer wegweisenden theoretischen Arbeit wurde die Generalisierte Bisimulation-Metrik (GBSM) vorgestellt, die erstmals Zustände aus belie…