Finde Modelle, Firmen und Themen

In den letzten Monaten hat die Integration von Begründungsmechanismen in große Sprachmodelle und Vision‑Language‑Modelle die Leistungsfähig…

Ein neues arXiv-Papier zeigt, dass die Erkennung von Halluzinationen in großen Sprachmodellen durch die Umdeutung als Out‑of‑Distribution‑(…

Die Fähigkeit von Modellen, unter veränderten Datenverteilungen zuverlässig zu arbeiten, bleibt ein zentrales Problem – besonders wenn kein…

Diffusionsmodelle bestimmen einen zeitabhängigen Score‑Feld, das häufig die Symmetrien (Spiegelungen, Drehungen, Kreisverschiebungen) der T…

Die Herausforderung der Out-of-Distribution (OOD)-Generalisation bleibt ein zentrales Problem in der Praxis, wenn Testdaten stark von den T…

Neuronale Physiklösungen gewinnen immer mehr an Bedeutung, weil sie schnelle, in‑silico‑Einblicke in physikalische, materialwissenschaftlic…

**Generalisation außerhalb der Verteilung**

Large Language Models (LLMs) werden zunehmend mit Reinforcement Learning (RL) für personalisierte Empfehlungssysteme trainiert. Traditionel…

Die Klassifizierung von verschlüsseltem Netzwerkverkehr ist entscheidend, um Anwendungen und Dienste anhand von Datenströmen zu identifizie…

Ein neues Verfahren namens Disentangled Distilled Encoder (DDE) wurde vorgestellt, das die Fähigkeit von Variational Autoencodern (VAEs) nu…

Die neue Studie „HAROOD“ liefert ein umfassendes Benchmark-Framework, um die Robustheit von sensorbasierten Human-Activity-Recognition‑Mode…

Neurale Netzwerke sind in der Wissenschaft einsetzbar, doch ihre Leistung außerhalb der Trainingsdaten bleibt oft fraglich. Ein neues arXiv…

Deep‑Learning‑Modelle haben lange damit zu kämpfen, Eingaben zu erkennen, die außerhalb ihres Trainingsbereichs liegen. Das führt zu überzo…

In der Welt des maschinellen Lernens ist die Überprüfung von Differential Privacy (DP) entscheidend, um die Sicherheit von Modellen zu gewä…

In einer wegweisenden Veröffentlichung zeigen Forscher, dass große Sprachmodelle (LLMs) zunehmend Einfluss auf menschliche moralische Entsc…

Die Fähigkeit, in völlig neuen Umgebungen zuverlässig zu agieren, gilt als einer der größten Herausforderungen in Robotik und autonomer Ste…

Die Einsatzmöglichkeiten von KI-gesteuerten autonomen Systemen haben in den letzten Jahren dank Fortschritten in Robotik und maschinellem L…

Ein neues Verfahren aus dem arXiv‑Repository verspricht, die Zuverlässigkeit von Künstlicher Intelligenz in sicherheitskritischen Bereichen…

Die Erkennung von Daten außerhalb des Trainingsbereichs (Out-of-Distribution, OOD) ist entscheidend für die Zuverlässigkeit von KI-Systemen…

Um die Zuverlässigkeit von tiefen Lernmodellen in der Praxis zu sichern, entwickeln Forscher neue Verfahren zur Erkennung von Out-of-Distri…

Die präzise Abschätzung der Modellgenauigkeit auf bislang nicht gesehenen, unlabeled Datensätzen ist für reale Machine‑Learning‑Anwendungen…

Die Klassifikation von Zeitreihen soll nicht nur Muster erkennen, sondern auch robuste, invariant­e Repräsentationen liefern. In der Praxis…

Ein neues Verfahren aus der jüngsten arXiv-Publikation liefert eine präzise und erklärbare Möglichkeit, Out-of-Distribution‑(OOD)‑Daten zu…