Finde Modelle, Firmen und Themen

Mit dem neuen Benchmark LLM-WikiRace wird die Fähigkeit großer Sprachmodelle (LLMs) getestet, komplexe Planungsaufgaben zu lösen und dabei…

Die neue Pipeline TermiGen löst ein langjähriges Problem bei der Ausführung komplexer Terminalaufgaben durch Open‑Weight‑LLMs. Während bish…

Ein neuer Beitrag auf arXiv (2601.23048v1) beleuchtet, warum große Sprachmodelle, die bei klassischen Mathe‑Tests wie AIME und MATH‑500 nah…

In der Codegenerierung wird die Qualität von Ergebnissen häufig durch Best‑of‑N‑Auswahl verbessert: Mehrere Kandidaten werden vom Basismode…

Multi-Agent-LLM-Systeme verändern die Unternehmensautomatisierung, doch bislang fehlt ein systematisches Verfahren, um die Zuverlässigkeit…

Die neue Benchmark „AgencyBench“ setzt neue Maßstäbe für die Bewertung autonomer Agenten. Sie basiert auf 32 praxisnahen Szenarien, die dur…

Mit der zunehmenden Leistungsfähigkeit von VLM‑basierten Computer‑Using Agents (CUAs) wird die präzise Entscheidungsfindung auf Schritt‑Ebe…

Die Analyse von Biomolekülen erfordert oft mehrere logische Schritte, die über Wechselwirkungen, Signalwege und Stoffwechselprozesse hinweg…

Halluzinationen in großen Sprachmodellen (LLMs) stellen weiterhin ein zentrales Hindernis für deren sichere Nutzung dar. Traditionelle Ansä…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Jailbreak-Ansatz namens NINJA vorgestellt, der die Sicherheit mode…

Die jüngste Veröffentlichung auf arXiv (2508.20374v1) stellt TCIA vor – eine neue Methode zur Aufgabenorientierten Instruktions-Erweiterung…