Finde Modelle, Firmen und Themen

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 neuer Ansatz namens VariBASeD kombiniert variationales Lernen, sequentielles Monte-Carlo-Planen und Meta‑Reinforcement‑Learning, um Bay…

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

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

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

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…

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…

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…

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

Forscher haben einen neuen Ansatz entwickelt, der die klassische Policy‑Iteration für episodische Partially Observable Markov Decision Proc…

In der mobilen Gesundheitsforschung (mHealth) gilt es, die Wirksamkeit von Interventionen mit dem Aufwand für die Nutzer in Einklang zu bri…

Ein neues Verfahren nutzt Reinforcement Learning (RL), um die Genauigkeit von „decoding‑based regression“ zu erhöhen – ein Ansatz, bei dem…

Eine aktuelle Veröffentlichung auf arXiv (Version 1 vom 1. Dezember 2025) präsentiert ein innovatives Verfahren zur Lösung von durchschnitt…

Ein neues Verfahren namens DQ4FairIM nutzt Deep Reinforcement Learning, um das Problem der Influence Maximization (IM) in sozialen Netzwerk…

Ein neues Verfahren namens CaDiff (Causal State Representation under Asynchronous Diffusion Model) verspricht, die Entscheidungsfindung in…

Wissenschaftler haben einen neuen Ansatz entwickelt, um aus riesigen Aktionsräumen eine kleine, aber repräsentative Teilmenge zu wählen. Di…

In einer kürzlich veröffentlichten Arbeit auf arXiv wird das NVMDP‑Framework vorgestellt, das klassische Markov‑Entscheidungsprozesse (MDPs…

Ein neues Verfahren aus dem arXiv-Preprint 2511.05758v1 liefert einen robusten und sicheren Ansatz für Robust Constrained Average-Cost Mark…

In einer aktuellen Veröffentlichung auf arXiv wird gezeigt, wie Deep‑Reinforcement‑Learning die klassische Problemstellung der optimalen Ve…

Ein neues Forschungsdokument aus dem arXiv‑Repository präsentiert BusiAgent, ein innovatives Multi‑Agenten‑Framework, das große Sprachmodel…