Finde Modelle, Firmen und Themen

Eine neue Studie auf arXiv zeigt, warum die Sicherheit von Sprachmodellen bei Reinforcement‑Learning‑from‑Human‑Feedback (RLHF) nur oberflä…

Eine neue Technik ermöglicht es, große Sprachmodelle (LLMs) in Echtzeit mit individuellen Persönlichkeiten zu versehen, ohne dass dafür umf…

Reinforcement Learning from Human Feedback (RLHF) wird zunehmend eingesetzt, um große Sprachmodelle (LLM) nach dem Training an menschliche…

In den letzten Jahren haben Techniken wie Supervised Fine‑Tuning (SFT), Reinforcement Learning from Human Feedback (RLHF) und Direct Prefer…

Reinforcement Learning from Human Feedback (RLHF) hat die Ausrichtung großer Sprachmodelle revolutioniert, birgt jedoch das Risiko von Rewa…

Reinforcement Learning from Human Feedback (RLHF) hat die Ausrichtung von KI-Modellen stark verbessert, steht aber noch vor zwei zentralen…

In den letzten Jahren hat sich das Reinforcement Learning (RL) für die Ausrichtung großer Sprachmodelle rasant entwickelt. Doch die Übertra…

In einer neuen Studie wird ein spieltheoretisches Modell vorgestellt, das das Verhalten von großen Sprachmodellen (LLMs) vorhersagen und ge…

Reinforcement Learning from Human Feedback (RLHF) ist ein zentrales Verfahren, um große Sprachmodelle an menschliche Präferenzen anzupassen…

In einer wegweisenden Studie wird ein neues Hypothesentestverfahren vorgestellt, das es ermöglicht, die Zuverlässigkeit großer Sprachmodell…

In der Welt des Reinforcement Learning mit menschlichem Feedback (RLHF) werden die vielfältigen Präferenzen der Nutzer oft zu einer einzige…

Reinforcement Learning from Human Feedback (RLHF) hat sich als führende Methode etabliert, um große Sprachmodelle (LLMs) an menschliche Int…

In einer kürzlich veröffentlichten Studie wird ein innovativer Ansatz für das Bi‑Level-Reinforcement‑Learning vorgestellt, der die bisherig…

In der Welt der großen Sprachmodelle (LLMs) dominiert das Reinforcement Learning aus menschlichem Feedback (RLHF) als bevorzugte Methode, u…

In einer neuen Untersuchung auf arXiv wurde gezeigt, dass Sprachmodelle, die mit Reinforcement Learning from Human Feedback (RLHF) trainier…

Die sichere und nützliche Nutzung großer Sprachmodelle hängt davon ab, wie gut sie menschliche Präferenzen widerspiegeln. Während Reinforce…

Direct Preference Optimization (DPO) bietet eine skalierbare Alternative zu RLHF, um große Sprachmodelle anhand von Paarpräferenzen auszuri…

In modernen Post‑Training‑Pipelines wie RLHF, DPO und RLAIF spielen Reward‑Modelle und LLM‑as‑a‑Judge‑Systeme eine zentrale Rolle. Sie lief…

In stark regulierten Branchen stoßen große Sprachmodelle (LLMs) immer wieder an ihre Grenzen: Instabilität, inkonsistentes Denken, Halluzin…

Mit der allgegenwärtigen Verbreitung von Large Language Models (LLMs) wächst die Notwendigkeit, diese Systeme vor gezielten „Jailbreak“-Ang…

Reinforcement Learning from Human Feedback (RLHF) ist entscheidend, um große Sprachmodelle an menschliche Werte anzupassen. Dabei hängt die…

In der jüngsten Veröffentlichung auf arXiv (2512.13837v1) wird ein innovativer Ansatz vorgestellt, der die Qualität von Reinforcement Learn…

In einer aktuellen Studie von Forschern aus dem Bereich der künstlichen Intelligenz wurde gezeigt, dass große Sprachmodelle (LLMs) bei läng…

Die neue Methode Reflective Preference Optimization (RPO) setzt einen frischen Impuls in der Welt der KI‑Ausrichtung. Während Direct Prefer…

Mit dem neuesten Beitrag auf arXiv (2512.11391v1) wird ein innovatives Verfahren vorgestellt, das die sogenannte „Alignment Tax“ – das Verg…

Fine‑Tuning ist ein wesentlicher Schritt, um große Sprachmodelle (LLMs) an menschliche Präferenzen anzupassen. Das neue Verfahren Multiple‑…

Eine neue Dissertation liefert ein umfassendes theoretisches Fundament und praxisnahe Algorithmen, die das Gebiet des konformen Reinforceme…

In der Welt der großen Sprachmodelle (LLMs) spielt die Ausrichtung von Reward‑Modellen eine entscheidende Rolle, insbesondere im Rahmen von…