Suche nach Optimierungsprobleme

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

Neues Forschungsergebnis aus dem Bereich der künstlichen Intelligenz zeigt, dass große Sprachmodelle – obwohl sie auf riesigen Mengen mensc…

arXiv – cs.AI 02.03.2026 05:00

Forschung

ConstraintBench: LLMs testen direkte Optimierung – Ergebnis: 65 % Konformität

In der Welt der großen Sprachmodelle (LLMs) gewinnt die direkte Lösung von Optimierungsproblemen ohne Hilfsmittel eines Solver-Programms zu…

arXiv – cs.AI 27.02.2026 05:00

Forschung

GOPO: Neue Optimierungsmethode für Sprachmodelle aus Hilbert‑Raum

Die neueste Veröffentlichung von Forschern auf arXiv präsentiert GOPO – Group Orthogonalized Policy Optimization – einen völlig neuen Ansat…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Neuer Algorithmus reduziert Swap-Regret in Online-Optimierung drastisch

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neuer, deutlich effizienterer Algorithmus zur Minimierung von Swap-Regret in O…

arXiv – cs.LG 09.02.2026 05:00

Forschung

NeuroPareto: Neue Methode für kostengünstige Mehrzieloptimierung

NeuroPareto ist ein neu entwickeltes Verfahren, das die Suche nach optimalen Trade‑Offs in hochdimensionalen Parameterräumen unter strengen…

arXiv – cs.LG 05.02.2026 05:00

Forschung

TIDE: Dynamische Evolution mit LLM-gestützter Heuristikoptimierung

Die neue Methode TIDE (Tuning-Integrated Dynamic Evolution) kombiniert die Kraft großer Sprachmodelle mit einer strukturierten Evolutionsst…

arXiv – cs.AI 30.01.2026 05:00

Forschung

LLM-gestützte Heuristiken neu gedacht: DASH steigert Effizienz um 300 %

Large Language Models (LLMs) haben die automatisierte Entwicklung von Heuristiken für kombinatorische Optimierungsprobleme revolutioniert…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Snowball: Digitale Ising-Maschine reduziert Lösungszeit um 8×

Ising‑Maschinen haben sich als leistungsstarke Beschleuniger für kombinatorische Optimierungsaufgaben etabliert. Um sie jedoch in der Praxi…

arXiv – cs.LG 30.01.2026 05:00

Forschung

KI-gestützte Projektion revolutioniert monotone Optimierung

Monotone Optimierungsprobleme werden traditionell mit speziellen globalen Solver‑Methoden wie dem Polyblock Outer Approximation (POA) gelös…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Neues Framework TACO verbessert unüberwachtes kombinatorisches Optimieren

Unüberwachtes neuronales kombinatorisches Optimieren (NCO) ermöglicht es, leistungsstarke Solver zu trainieren, ohne dass echte Lösungen al…

arXiv – cs.LG 30.01.2026 05:00

Forschung

PathWise: KI-gestützte Heuristikentwicklung mit selbstlernenden LLMs

PathWise ist ein neu entwickeltes Multi-Agenten-Framework, das große Sprachmodelle (LLMs) nutzt, um Heuristiken für kombinatorische Optimie…

arXiv – cs.AI 29.01.2026 05:00

Forschung

ERP mit Multi-Type-Transformern revolutioniert die Ferro‑Titanium‑Industrie

In einer kürzlich veröffentlichten Studie aus dem arXiv‑Repository wird gezeigt, wie die neuartige Multi‑Type‑Transformer‑Architektur (MTT)…

arXiv – cs.AI 29.01.2026 05:00

Forschung

KI-gestützte Optimierungsprobleme: Benchmark-Bibliothek mit kontrollierbaren Merkmalen

In der Welt der kontinuierlichen Black‑Box‑Optimierung stoßen Forscher seit langem an die Grenzen herkömmlicher Test-Suiten wie BBOB, die n…

arXiv – cs.AI 28.01.2026 05:00

Forschung

DeepPlanning: Benchmark für Agentenplanung mit überprüfbaren Grenzen

Die Bewertung von KI-Agenten hat sich von kurzfristigen, schrittweisen Aufgaben hin zu langfristigen Szenarien verschoben. Dennoch konzentr…

arXiv – cs.AI 27.01.2026 05:00

Forschung

Beschleunigte Wasserstein-Gradientenflüsse optimieren mehrere Ziele gleichzeitig

Wissenschaftler haben einen neuen Algorithmus entwickelt, der die Optimierung mehrerer Ziele in der Wahrscheinlichkeitsverteilung beschleun…

arXiv – cs.LG 28.01.2026 05:00

Forschung

NewPINNs: neuronale Netze mit klassischen Solvern für PDEs

Ein neues Lernframework namens NewPINNs verbindet neuronale Netze mit etablierten numerischen Solvern, um partielle Differentialgleichungen…

arXiv – cs.LG 27.01.2026 05:00

Forschung

Neurale Netzwerke für beschränkte Optimierung: Schnelle, lernbare Lösungen

In einer neuen Studie werden unrolled neural networks vorgestellt, die klassische Dual-Ascent-Algorithmen für beschränkte Optimierungsprobl…

arXiv – cs.LG 27.01.2026 05:00

Forschung

WSD‑Lernrate‑Scheduler: Gemeinsamkeiten zwischen Sprachmodellen und CNNs entdeckt

Der Warmup Stable Decay (WSD) Scheduler hat sich in den letzten Monaten als besonders leistungsfähig für das Training großer Sprachmodelle…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Reinforcement Learning optimiert Nachbarschaftsauswahl in lokalen Suchalgorithmen

In einer neuen Studie aus dem arXiv-Repository wird gezeigt, wie Reinforcement Learning (RL) die Auswahl von Nachbarschaften in lokalen Suc…

arXiv – cs.LG 14.01.2026 05:00

Forschung

DRAGON: LLM-basierte Agenten lösen große kombinatorische Optimierungsprobleme

In einer bahnbrechenden Veröffentlichung stellt DRAGON – Decomposition and Reconstruction Agents Guided OptimizatioN – ein neues Paradigma…

arXiv – cs.AI 13.01.2026 05:00

Forschung

Bayessche Optimierung: Neue Methoden fokussieren nur bindende Constraints

In einer kürzlich veröffentlichten Studie auf arXiv (2512.17569v1) wird ein innovativer Ansatz zur Bayesschen Optimierung vorgestellt, der…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Neues Verfahren: Fairness- und Kostenoptimierung in Online-Algorithmen

Ein kürzlich auf arXiv veröffentlichter Beitrag führt die gleichzeitige Berücksichtigung von Fairness und Aktionstiefen in Online-Optimieru…

arXiv – cs.AI 15.12.2025 05:00

Forschung

CogMCTS: Kognitive MCTS-Strategie verbessert Heuristik-Entwicklung mit LLMs

Ein neues Forschungsframework namens CogMCTS kombiniert die kognitive Leistungsfähigkeit großer Sprachmodelle (LLMs) mit der Monte‑Carlo‑Tr…

arXiv – cs.AI 10.12.2025 05:00

Forschung

Aerial RIS vs. STAR-RIS: Vergleich der Leistung in 3D‑Wireless‑Umgebungen

Eine neue Arbeit auf arXiv (2512.08755v1) untersucht die Leistungsunterschiede zwischen luftgestützten Reconfigurable Intelligent Surfaces…

arXiv – cs.AI 10.12.2025 05:00

Forschung

Automatisierte Optimierer: Schnellere Gradient‑Lernprozesse

Ein neues arXiv‑Veröffentlichung legt die theoretische Basis für die automatische Gestaltung von Optimierern in gradientbasierten Lernverfa…

arXiv – cs.LG 09.12.2025 05:00

Forschung

RoCo: Rollenbasierte LLM-Kollaboration verbessert Heuristikentwicklung

In der Welt der automatischen Heuristikentwicklung (AHD) setzt die neue Methode RoCo neue Maßstäbe. Das System nutzt vier spezialisierte LL…

arXiv – cs.AI 04.12.2025 05:00

Forschung

Neuer First-Order-Layer vereinfacht differenzierbare Optimierung

In der Welt der lernenden Systeme ermöglichen differenzierbare Optimierungslayer, Entscheidungen zu treffen, indem sie eingebettete Optimie…

arXiv – cs.LG 03.12.2025 05:00

Forschung

Umfassende Analyse: Optimierungsalgorithmen für Deep Learning

Ein neues arXiv‑Veröffentlichung (2511.20725v1) bietet einen praxisorientierten Überblick über die Konfiguration von Optimierungsalgorithme…

arXiv – cs.LG 27.11.2025 05:00

Forschung

Neue Untere Schranken für Bilevel-Optimierung mit First-Order-Oracles

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein bedeutender Fortschritt bei der Analyse der Komplexität von Bilevel-Optimierun…

arXiv – cs.LG 26.11.2025 05:00

Forschung

Effizientes Lernen von Minimax‑Risk‑Klassifikatoren in großem Maßstab

In der heutigen Datenwelt, in der Klassifikationsaufgaben mit vielen Klassen und Millionen von Beispielen alltäglich sind, stellen sich Opt…

arXiv – cs.LG 25.11.2025 05:00

Finde Modelle, Firmen und Themen

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

ConstraintBench: LLMs testen direkte Optimierung – Ergebnis: 65 % Konformität

GOPO: Neue Optimierungsmethode für Sprachmodelle aus Hilbert‑Raum

Neuer Algorithmus reduziert Swap-Regret in Online-Optimierung drastisch

NeuroPareto: Neue Methode für kostengünstige Mehrzieloptimierung

TIDE: Dynamische Evolution mit LLM-gestützter Heuristikoptimierung

LLM-gestützte Heuristiken neu gedacht: DASH steigert Effizienz um 300 %

Snowball: Digitale Ising-Maschine reduziert Lösungszeit um 8×

KI-gestützte Projektion revolutioniert monotone Optimierung

Neues Framework TACO verbessert unüberwachtes kombinatorisches Optimieren

PathWise: KI-gestützte Heuristikentwicklung mit selbstlernenden LLMs

ERP mit Multi-Type-Transformern revolutioniert die Ferro‑Titanium‑Industrie

KI-gestützte Optimierungsprobleme: Benchmark-Bibliothek mit kontrollierbaren Merkmalen

DeepPlanning: Benchmark für Agentenplanung mit überprüfbaren Grenzen

Beschleunigte Wasserstein-Gradientenflüsse optimieren mehrere Ziele gleichzeitig

NewPINNs: neuronale Netze mit klassischen Solvern für PDEs

Neurale Netzwerke für beschränkte Optimierung: Schnelle, lernbare Lösungen

WSD‑Lernrate‑Scheduler: Gemeinsamkeiten zwischen Sprachmodellen und CNNs entdeckt

Reinforcement Learning optimiert Nachbarschaftsauswahl in lokalen Suchalgorithmen

DRAGON: LLM-basierte Agenten lösen große kombinatorische Optimierungsprobleme

Bayessche Optimierung: Neue Methoden fokussieren nur bindende Constraints

Neues Verfahren: Fairness- und Kostenoptimierung in Online-Algorithmen

CogMCTS: Kognitive MCTS-Strategie verbessert Heuristik-Entwicklung mit LLMs

Aerial RIS vs. STAR-RIS: Vergleich der Leistung in 3D‑Wireless‑Umgebungen

Automatisierte Optimierer: Schnellere Gradient‑Lernprozesse

RoCo: Rollenbasierte LLM-Kollaboration verbessert Heuristikentwicklung

Neuer First-Order-Layer vereinfacht differenzierbare Optimierung

Umfassende Analyse: Optimierungsalgorithmen für Deep Learning

Neue Untere Schranken für Bilevel-Optimierung mit First-Order-Oracles

Effizientes Lernen von Minimax‑Risk‑Klassifikatoren in großem Maßstab

🍪 Cookie-Einstellungen

ConstraintBench: LLMs testen direkte Optimierung – Ergebnis: 65 % Konformität

LLM-gestützte Heuristiken neu gedacht: DASH steigert Effizienz um 300 %