Finde Modelle, Firmen und Themen

Moderne Deep‑Learning‑Netze bleiben schwer verständlich, weil ihre latenten Repräsentationen undurchsichtig sind. Das erschwert das Verstän…

Eine neue Untersuchung aus dem Bereich der nachhaltigkeitsbezogenen Bildung hat überraschende Erkenntnisse geliefert: Chatbots wirken sich…

Mit dem rasanten Einsatz von Machine‑Learning‑Modellen in Bereichen wie Gesundheit, Finanzen und öffentlicher Politik wächst die Forderung…

Mit der rasanten Zunahme von Videoinhalten im Internet bleibt die passende Musik oft ein Problem. Die neue Arbeit von ArXiv‑Studierenden lö…

In der Gesundheitsversorgung stehen Recommender‑Systeme vor mehreren Hürden: öffentlich verfügbare klinische Daten fehlen, die Nutzer verst…

Mit steigenden klimatischen Gefahren liefern herkömmliche Frühwarnsysteme zwar rasch Alarme, doch oft fehlt die Verbindung zu konkreten Sch…

Mit PRISM (PRior‑Informed Stylistic Modification) wird die stilistische Gestaltung von Grafiken neu definiert. Das System lernt aus einer g…

SummPilot ist ein neu entwickeltes System, das die Geschwindigkeit automatischer Zusammenfassungen mit der Möglichkeit verbindet, Inhalte i…

In der Welt des kreativen Codings und der Echtzeit-Shader-Programmierung eröffnet KI-Co-Künstler neue Wege, komplexe visuelle Effekte zu er…

In einer Welt, in der Sprachmodelle immer mehr Aufgaben übernehmen, bleibt die Frage, wie diese Systeme noch hilfreicher werden können. Pro…

In einer kürzlich veröffentlichten Studie auf arXiv (Arbeitsschlüssel: 2511.10409v1) wird ein neuer Ansatz vorgestellt, der die Erklärbarke…

In der Welt der regelbasierten Smart‑Environments gewinnt die Erklärbarkeit zunehmend an Bedeutung. Doch bislang fehlte ein etabliertes Ver…

Graph Neural Networks (GNNs) haben sich als äußerst leistungsfähig bei der Vorhersage molekularer Eigenschaften erwiesen, indem sie die kom…

Ein neues arXiv-Papier präsentiert einen Ansatz, der Arbeitskräfteinsatz in der Industrie mithilfe von Argumentationslogik erklärt und opti…

Conformal Prediction (CP) ist ein etabliertes Verfahren, das Unsicherheit in maschinellen Lernmodellen quantifiziert und zuverlässige Vorhe…