Finde Modelle, Firmen und Themen

In der autonomen Fahrsimulation steht die Erzeugung realistischer und vielfältiger Fahrtrajektorien im Fokus. K-Gen, ein multimodales Sprac…

Die rasante Entwicklung multimodaler Large Language Models (MLLMs) bringt einen bedeutenden Schritt in Richtung künstlicher Allgemeinintell…

In den letzten Jahren haben multimodale große Sprachmodelle (MLLMs) zunehmend die Rolle von „Richtern“ übernommen, um präzise und konsisten…

Mit der zunehmenden Verbreitung von künstlicher Intelligenz wird die Gewährleistung von Fairness zu einer zentralen Herausforderung. In der…

In einer neuen Veröffentlichung auf arXiv (2603.00055v1) wird das M3-AD-Framework vorgestellt, das die Grenzen multimodaler Large‑Language‑…

In einem aktuellen Beitrag auf arXiv wird ein innovativer Ansatz vorgestellt, der die Herausforderung der Domänengeneralisation in tiefen L…

Multimodale Large Language Models (MLLMs) können zwar beeindruckende Ergebnisse liefern, aber sie erzeugen oft plausible, aber fehlerhafte…

Ein brandneues Forschungsdokument aus dem Bereich der multimodalen großen Sprachmodelle (MLLMs) zeigt, wie man die Wahrnehmungsstabilität d…

In den letzten Jahren hat das Deep Learning enorme Fortschritte im Bereich der Computer‑Aided Design (CAD) erzielt. Dennoch sind die meiste…

In einer bahnbrechenden Veröffentlichung auf arXiv präsentiert das Forschungsteam FactGuard, ein neues KI-Framework, das Video‑Desinformati…

ACAR (Adaptive Complexity and Attribution Routing) ist ein neues Messframework, das die Orchestrierung mehrerer KI‑Modelle unter vollständi…

In der Welt der multimodalen großen Sprachmodelle (MLLMs) hat die Entwicklung von mobilen Agenten bisher vor allem ein reaktives Paradigma…

Multimodale große Sprachmodelle (MLLMs) liefern beeindruckende Beschreibungen von Bild‑Text‑Aufgaben, doch sie neigen häufig dazu, Objekte…

Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) hat sich als zentrales Lernparadigma etabliert, um die Denkfähigkeiten multim…

Ein neues Positionspapier beleuchtet die Frage der algorithmischen Fairness in multimodalen großen Sprachmodellen (MLLMs). Dabei wird unter…

Multimodale Large Language Models (MLLMs) stoßen häufig an die Grenze, wenn es darum geht, zeitliche Abläufe und prozedurale Abläufe in vis…

Chart-Zusammenfassungen sind entscheidend, um Daten zugänglicher zu machen und die Informationsaufnahme zu beschleunigen. Trotz Fortschritt…

Die Forschung zu multimodalen großen Sprachmodellen (MLLMs) erreicht einen wichtigen Meilenstein: Mit dem neuen Benchmark MapTab können Ent…

In der Welt der visuellen Sprachnavigation (VLN) stehen Forscher seit langem vor dem Dilemma: Wie kann man die starke semantische Analyse v…

Durch die jüngsten Fortschritte multimodaler Large Language Models (MLLMs) haben autonome Agenten für grafische Benutzeroberflächen (GUI) e…

Multimodale Large Language Models (MLLMs) zeigen häufig eine starke Präferenz für eine bestimmte Modalität – sei es Sprache oder Bild – was…

Multimodale große Sprachmodelle (MLLMs) haben bei Wahrnehmungsaufgaben beeindruckende Ergebnisse erzielt, doch ihre Fähigkeit, mathematisch…

Mit Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) wurden die Denkfähigkeiten multimodaler Large Language Models (MLLMs) deu…

Diagramme sind ein zentrales Medium, um komplexe Daten visuell und textuell zu vermitteln. Durch die Einführung multimodaler Large Language…

In einer wegweisenden Entwicklung für die erweiterte Realität (XR) präsentiert PRISM‑XR ein innovatives Framework, das die Zusammenarbeit v…

Emotionserkennung ist ein entscheidender Baustein für sozial intelligente Agenten. Trotz der beeindruckenden Leistungen multimodaler Large…

Die neue Methode Trifuse verbessert die Zuordnung von Sprachbefehlen zu grafischen Benutzeroberflächen (GUI) erheblich, ohne dass dafür rie…

In der Welt der multimodalen großen Sprachmodelle ist die Auswahl der optimalen Datenmischung entscheidend für den Erfolg des Supervised Fi…