Suche nach MoE | meineki.news

Timer‑S1: Milliarden‑Skaliges Zeitreihen‑Modell mit Serial Scaling

Timer‑S1 ist ein neues Mixture‑of‑Experts‑Modell für Zeitreihen, das mit 8,3 Milliarden Parametern und 0,75 Milliarden aktivierten Paramete…

arXiv – cs.AI 06.03.2026 05:00

Forschung

Neues ECG‑MoE-Modell liefert schnellere und genauere Herzdiagnose

Ein neues Forschungsprojekt aus dem Bereich der Kardiologie hat ein bahnbrechendes Modell namens ECG‑MoE vorgestellt, das die Analyse von E…

arXiv – cs.AI 06.03.2026 05:00

Praxis

YuanLab AI präsentiert Yuan 3.0 Ultra: 1 T Parameter, 33 % weniger, 49 % effizienter

YuanLab AI hat heute sein neuestes Open‑Source-Modell Yuan 3.0 Ultra vorgestellt. Das multimodale Mixture‑of‑Experts (MoE) Foundation Model…

MarkTechPost 05.03.2026 05:55

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

Router‑Kalibrierung rettet re‑Training‑freie MoE‑Kompression

Die neueste Studie aus dem arXiv‑Repository zeigt, dass die gängige Praxis, Mixture‑of‑Experts‑Modelle ohne erneutes Training zu komprimier…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Neues Training für MoE-Modelle: Experten lernen sich zu spezialisieren

Die Mixture-of-Experts (MoE)-Architektur gilt als Schlüsseltechnologie für die Skalierung großer Sprachmodelle, leidet jedoch häufig unter…

arXiv – cs.LG 03.03.2026 05:00

Produkt

vLLM: Dutzende feinabgestimmte Modelle effizient auf SageMaker AI & Bedrock bereitstellen

Amazon SageMaker AI und Bedrock nutzen vLLM, um gleichzeitig mehrere feinabgestimmte Modelle zu betreiben. In diesem Beitrag wird erklärt…

AWS – Machine Learning Blog 25.02.2026 20:56

Forschung

K-Search: KI-gestützte GPU-Kernel-Optimierung mit ko-evolutionärem Weltmodell

Die Optimierung von GPU‑Kerneln ist ein entscheidender Faktor für die Leistungsfähigkeit moderner Machine‑Learning‑Systeme. Trotz zahlreich…

arXiv – cs.AI 24.02.2026 05:00

Forschung

Soft-MoE: Robustere Exploration in der gerichteten Controller‑Synthese

In der On‑the‑Fly‑Directed Controller Synthesis (OTF‑DCS) wird das Problem der explosionsartigen Zustandsraumgröße durch schrittweise Explo…

arXiv – cs.AI 24.02.2026 05:00

Forschung

HELIX: Manifold‑Steering reduziert Halluzination bei quantisierten LLMs

In der Welt der quantisierten Sprachmodelle besteht ein klassisches Dilemma: Bei niedrigen Sampling‑Temperaturen entstehen wiederholende, m…

arXiv – cs.LG 23.02.2026 05:00

Forschung

GrMoE: Neue Routing‑Methode für Mixture‑of‑Experts mit kontrollierter Sparsität

Mixture‑of‑Experts‑Modelle setzen auf Router, um Tokens an Experten zu verteilen. Die gängige Softmax‑Gating‑Methode bietet jedoch keine kl…

arXiv – cs.LG 23.02.2026 05:00

Forschung

Neues Mixture-of-Experts-Modell verbessert Agentic RL durch Phasenorientierung

In der Welt des Reinforcement Learning (RL) haben große Sprachmodelle (LLM) Agenten mit einer beeindruckenden Fähigkeit ausgestattet, kompl…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

Arcee AI hat heute den technischen Bericht zu ihrem neuesten Sprachmodell Trinity Large veröffentlicht. Das sparsamente Mixture-of-Experts-…

arXiv – cs.LG 20.02.2026 05:00

Forschung

MoE‑Spec: Expertenbudgetierung steigert Effizienz von spekulativem Decoding

Die neueste Veröffentlichung auf arXiv (2602.16052v1) präsentiert MoE‑Spec, eine innovative Methode zur Optimierung des spekulativen Decodi…

arXiv – cs.LG 19.02.2026 05:00

Praxis

Alibaba Qwen-Team stellt Qwen3.5‑397B‑A17B mit 17 B aktiven Parametern vor

Alibaba Cloud hat die Open‑Source-Landschaft mit der neuesten Generation seiner großen Sprachmodelle (LLM) erweitert. Das Qwen-Team präsent…

MarkTechPost 16.02.2026 18:53

Forschung

SD-MoE: Spektrale Trennung steigert Experten-Spezialisierung in Sprachmodellen

Ein neues arXiv-Papier präsentiert SD-MoE, eine Methode, die die Spektralstruktur von Parametern und Gradienten nutzt, um die Effektivität…

arXiv – cs.LG 16.02.2026 05:00

Forschung

Multi-Head Attention verursacht Vergessens bei MoE-Transformern – Lösung reduziert Rückfall

Mixture-of-Experts (MoE)-Architekturen gelten als vielversprechend für kontinuierliches Lernen, weil die sparsamen Routenupdates die Interf…

arXiv – cs.LG 16.02.2026 05:00

Forschung

Neue Gesetzmäßigkeiten für das Multidisziplinäre Feintuning von LLMs

Eine neue Studie, die auf arXiv veröffentlicht wurde, liefert erstmals systematische Erkenntnisse darüber, wie große Sprachmodelle (LLMs) i…

arXiv – cs.LG 13.02.2026 05:00

Forschung

MELINOE: Durch Feintuning werden MoE-Modelle speichereffizienter

Die neue Methode MELINOE nutzt Feintuning, um Mixture-of-Experts (MoE)-Modelle deutlich speichereffizienter zu machen. MoE-Architekturen re…

arXiv – cs.LG 13.02.2026 05:00

Forschung

KBVQ-MoE: Ultra‑niedrigbit‑Quantisierung für Mixture‑of‑Experts‑LLMs

Die neueste Veröffentlichung von Forschern auf arXiv (2602.11184v1) präsentiert KBVQ‑MoE, ein innovatives Verfahren zur Ultra‑niedrigbit‑Qu…

arXiv – cs.LG 13.02.2026 05:00

Forschung

MalMoE: Mixture-of-Experts erkennt verschlüsselten Malware-Verkehr trotz Graph‑Drift

Die zunehmende Nutzung von Verschlüsselung im Netzwerkverkehr erschwert die Erkennung von bösartigen Datenpaketen, weil der Inhalt der Pake…

arXiv – cs.AI 12.02.2026 05:00

Forschung

MoE-LLM-Kompression durch Routing-Frequenz und Informationsdichte

Die neuesten Fortschritte bei Mixture-of-Experts (MoE) Modellen haben die Leistungsfähigkeit großer Sprachmodelle deutlich gesteigert – doc…

arXiv – cs.LG 11.02.2026 05:00

Forschung

XShare: Schnellere MoE-Inferenz durch kollaborative Expertenauswahl

In einer neuen Veröffentlichung auf arXiv (2602.07265v1) stellen die Autoren XShare vor – ein Verfahren, das die Effizienz von Mixture-of-E…

arXiv – cs.LG 10.02.2026 05:00

Forschung

MoSE: Flexibles Mixture-of-Experts-Modell steigert Effizienz von Sprachmodellen

Die neueste Forschung auf arXiv (2602.06154v1) präsentiert MoSE – ein innovatives Mixture-of-Experts (MoE)-Modell, das die Leistungsfähigke…

arXiv – cs.LG 09.02.2026 05:00

Forschung

SpecMD: Benchmark-Studie enthüllt neue Caching-Strategien für MoE-Modelle

Die neueste Forschung aus dem arXiv-Repository beleuchtet, wie Mixture-of-Experts (MoE)-Modelle durch gezieltes Caching ihre Leistung deutl…

arXiv – cs.AI 05.02.2026 05:00

Forschung

Neues Framework NSG-MoE trennt Knoten und optimiert multimodale Graphen

Multimodale Graphen gewinnen zunehmend an Bedeutung, weil sie komplexe Strukturen aus unterschiedlichen Modalitäten – etwa Text, Bild und A…

arXiv – cs.LG 03.02.2026 05:00

Forschung

Test-Time Mixture of World Models verbessert Anpassungsfähigkeit von Agents

In der aktuellen Forschung werden Sprachmodell-basierte Embodied Agents immer häufiger in realen Umgebungen eingesetzt. Ihre Fähigkeit, sic…

arXiv – cs.AI 02.02.2026 05:00

Forschung

BrainStack: Neuro-MoE mit Expert-Routing für EEG-Sprachdecodierung

Die Dekodierung sprachlicher Inhalte aus Elektroenzephalographie (EEG) ist seit langem eine Herausforderung, weil das Gehirn über verteilte…

arXiv – cs.AI 30.01.2026 05:00

Forschung

OmegaUse: Neuer GUI-Agent für autonome Aufgaben auf PC und Handy

Ein neuer Ansatz namens OmegaUse verspricht, die Interaktion zwischen Mensch und Computer grundlegend zu verändern. Der Agent ist darauf au…

arXiv – cs.AI 29.01.2026 05:00

Forschung

Mixture-of-Experts: Hyperparameter-Transfer für skalierbare Transformer

Mixture-of-Experts (MoE)-Schichten haben sich als Schlüsseltechnologie etabliert, um moderne neuronale Netzwerke zu skalieren. Sie trennen…

arXiv – cs.LG 29.01.2026 05:00

Finde Modelle, Firmen und Themen

Timer‑S1: Milliarden‑Skaliges Zeitreihen‑Modell mit Serial Scaling

Neues ECG‑MoE-Modell liefert schnellere und genauere Herzdiagnose

YuanLab AI präsentiert Yuan 3.0 Ultra: 1 T Parameter, 33 % weniger, 49 % effizienter

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

Router‑Kalibrierung rettet re‑Training‑freie MoE‑Kompression

Neues Training für MoE-Modelle: Experten lernen sich zu spezialisieren

vLLM: Dutzende feinabgestimmte Modelle effizient auf SageMaker AI & Bedrock bereitstellen

K-Search: KI-gestützte GPU-Kernel-Optimierung mit ko-evolutionärem Weltmodell

Soft-MoE: Robustere Exploration in der gerichteten Controller‑Synthese

HELIX: Manifold‑Steering reduziert Halluzination bei quantisierten LLMs

GrMoE: Neue Routing‑Methode für Mixture‑of‑Experts mit kontrollierter Sparsität

Neues Mixture-of-Experts-Modell verbessert Agentic RL durch Phasenorientierung

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

MoE‑Spec: Expertenbudgetierung steigert Effizienz von spekulativem Decoding

Alibaba Qwen-Team stellt Qwen3.5‑397B‑A17B mit 17 B aktiven Parametern vor

SD-MoE: Spektrale Trennung steigert Experten-Spezialisierung in Sprachmodellen

Multi-Head Attention verursacht Vergessens bei MoE-Transformern – Lösung reduziert Rückfall

Neue Gesetzmäßigkeiten für das Multidisziplinäre Feintuning von LLMs

MELINOE: Durch Feintuning werden MoE-Modelle speichereffizienter

KBVQ-MoE: Ultra‑niedrigbit‑Quantisierung für Mixture‑of‑Experts‑LLMs

MalMoE: Mixture-of-Experts erkennt verschlüsselten Malware-Verkehr trotz Graph‑Drift

MoE-LLM-Kompression durch Routing-Frequenz und Informationsdichte

XShare: Schnellere MoE-Inferenz durch kollaborative Expertenauswahl

MoSE: Flexibles Mixture-of-Experts-Modell steigert Effizienz von Sprachmodellen

SpecMD: Benchmark-Studie enthüllt neue Caching-Strategien für MoE-Modelle

Neues Framework NSG-MoE trennt Knoten und optimiert multimodale Graphen

Test-Time Mixture of World Models verbessert Anpassungsfähigkeit von Agents

BrainStack: Neuro-MoE mit Expert-Routing für EEG-Sprachdecodierung

OmegaUse: Neuer GUI-Agent für autonome Aufgaben auf PC und Handy

Mixture-of-Experts: Hyperparameter-Transfer für skalierbare Transformer

🍪 Cookie-Einstellungen

YuanLab AI präsentiert Yuan 3.0 Ultra: 1 T Parameter, 33 % weniger, 49 % effizienter

Arcee präsentiert Trinity Large: 400 Billionen Parameter, neue MoE-Strategie

Alibaba Qwen-Team stellt Qwen3.5‑397B‑A17B mit 17 B aktiven Parametern vor