Finde Modelle, Firmen und Themen

Die effiziente Planung von Operatoren ist ein zentrales Problem in der Softwarekompilierung und der Hardware‑Synthese. Traditionelle Verfah…

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

Agentenbasierte Modelle (ABM) sind ein beliebtes Werkzeug, um komplexe Systeme zu simulieren. Durch die rasante Entwicklung von Rechenleist…

Untrainierte neuronale Netzwerke (UNNs) ermöglichen hochpräzise elektromagnetische Inverse-Scattering-Rekonstruktionen, sind jedoch durch d…

Die Fusion von Sprachmodellen gewinnt zunehmend an Bedeutung, weil sie die Fähigkeiten mehrerer spezialisierter Modelle direkt im Gewichtes…

Das neue Forschungsprojekt RuleSmith löst seit langem bestehende Probleme im Game Balancing, indem es die Rechenkraft mehrerer Large Langua…

Die Fähigkeit, aus Beobachtungen sinnvolle kausale Darstellungen zu extrahieren, hat sich als entscheidend für maschinelles Lernen und wiss…

Ein neues Optimierungsframework, das sich an der Theorie der „Sloppy Models“ orientiert, wurde vorgestellt. Es ermöglicht die effiziente Ka…

Eine neue Studie zeigt, wie das gezielte Einführen von Parameterraum‑Noise die Exploration in Reinforcement‑Learning‑Modellen mit verifizie…

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

Moderne generative Modelle können beeindruckend realistische Bilder erzeugen, doch die Balance zwischen Auswendiglernen und Generalisierung…

Eine neue Veröffentlichung auf arXiv präsentiert einen bahnbrechenden Ansatz, der die Optimierung von Formen – etwa bei impliziten neuronal…

In einer wegweisenden Arbeit untersuchen die Autoren die thermodynamische Grenze von Deep Neural Networks (DNNs) und rekurrenten neuronalen…

Die Feinabstimmung großer Sprachmodelle auf spezifische Aufgaben ist entscheidend, um ihr volles Potential auszuschöpfen. Gleichzeitig wirf…

Moderne neuronale Netze besitzen ein bemerkenswertes Merkmal: Die Flachbereiche des Verlustlandschapes sind häufig durch Wege mit kaum stei…

In Bereichen wie Robotik, Telekommunikation und Gesundheitswesen stehen KI‑Systeme häufig vor dem Problem knapper Trainingsdaten. Diese Dat…

Wissenschaftler haben ein neues modulares Konzept entwickelt, das psychometrische Messinstrumente auf dynamische Systeme überträgt. Dabei w…

Der Doughnut-Ansatz für soziale und planetare Grenzen hat sich als beliebtes Instrument zur Bewertung von Umwelt- und Sozialnachhaltigkeit…

In einer wegweisenden Studie zeigen Forscher, dass Decoder‑Only‑Transformers unter real‑analytischen Annahmen die Abbildung von diskreten P…

Viele praxisnahe Anwendungen erfordern die Lösung von Familien teurer Mehrzieloptimierungsaufgaben (EMOPs) unter wechselnden Betriebsbeding…

Eine neue Studie auf arXiv zeigt, wie die Stochastic Parameter Decomposition (SPD) – ein Verfahren aus der mechanistischen Interpretierbark…

Ein neues Lernparadigma, das Prinzipien der probabilistischen Inferenz, variationalen Optimierung und quanteninspirierten Transformationen…

In den letzten Jahren werden große Sprachmodelle (LLMs) vermehrt eingesetzt, um Entscheidungen in Bereichen wie Gesundheit, Bildung und Rec…

In einer wegweisenden Veröffentlichung auf arXiv wird ein theoretisches Modell vorgestellt, das Lernregeln – die Anweisungen, wie Modellpar…

Die jüngsten Bemühungen der KI‑Community, Modelle mit quantisierten oder niedrigpräzisen Rechenarten zu skalieren, haben ein neues Forschun…

Forscher haben herausgefunden, dass die Gating‑Mechanismen in rekurrenten neuronalen Netzwerken (RNNs) selbstständig ein adaptives Lernverh…

Strukturbeibehaltende Ansätze zur Modellierung von Dynamiken haben sich als äußerst vielversprechend erwiesen, weil sie durch starke indukt…