Suche nach Reliability | meineki.news

<h1>AOI: Fehlgeschlagene Abläufe als Lernsignal für autonome Cloud‑Diagnose</h1> <p>Das neue Framework <strong>AOI</strong> (Autonomous Operations Intelligence) wurde vorgestellt, um die Automatisierung von Site Reliability Engineering (SRE) mit großen Sprachmodellen (LLM) zu verbessern. AOI adressiert drei zentrale Hürden, die den Einsatz von LLM‑Agenten in Unternehmen bislang behindern: eingeschränkter Zugriff auf proprietäre Daten, unsichere Ausführung von Aktionen in berechtigten Umgebungen und die fehl

arXiv – cs.LG 05.03.2026 05:00

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Compute‑in‑Memory‑Architekturen versprechen enorme Energie‑ und Durchsatzgewinne für neuronale Netzwerke, indem sie den klassischen von‑Neu…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neue Methode zertifiziert Zuverlässigkeit von Black-Box‑KI-Agenten

Eine neue Studie aus dem Bereich der künstlichen Intelligenz präsentiert ein Verfahren, mit dem die Zuverlässigkeit von Black‑Box‑KI-System…

arXiv – cs.AI 26.02.2026 05:00

Praxis

Meta AI stellt Open-Source-GCM für GPU-Cluster-Überwachung vor

Während sich die Tech-Community noch mit den neuesten Llama‑Checkpoints beschäftigt, wird im Untergeschoss von Rechenzentren ein viel härte…

MarkTechPost 25.02.2026 00:31

Forschung

Steering‑Vektoren in Sprachmodellen: Warum ihre Zuverlässigkeit variiert

Steering‑Vektoren sind ein schlankes Verfahren, um das Verhalten von Sprachmodellen zu steuern, indem ein lernbarer Bias zu den Aktivierung…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Neue Messgrößen enthüllen Schwächen von KI-Agenten

KI-Agenten übernehmen zunehmend wichtige Aufgaben, doch trotz beeindruckender Genauigkeitswerte auf Standard-Benchmarks bleiben reale Fehle…

arXiv – cs.AI 19.02.2026 05:00

Forschung

Roboter-Modelle lernen bei taktil-visionären Eingaben zuverlässig zu adaptieren

In der Robotik und multimodalen Wahrnehmung kommen taktil-visionale Sprachmodelle (TVL) immer häufiger zum Einsatz. Dabei treten während de…

arXiv – cs.AI 19.02.2026 05:00

Forschung

Hybrid‑Abstention und adaptive Erkennung steigern Zuverlässigkeit von LLMs

In Produktionsumgebungen stehen große Sprachmodelle (LLMs) vor einem klassischen Sicherheits‑gegen‑Nutzen‑Dilemma: Strenge Filter blockiere…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Hybrid-Ansatz kombiniert optimalen Flug und fuzzy-basierte Hindernisvermeidung

You are a senior software engineer with a strong background in embedded systems and a passion for developing innovative solutions. Your exp…

arXiv – cs.AI 16.02.2026 05:00

Forschung

VERA‑MH: Zuverlässige KI‑Sicherheitsbewertung für psychologische Chatbots

Immer mehr Menschen greifen auf generative KI‑Chatbots zu, um psychologische Unterstützung zu erhalten. Doch die zentrale Frage bleibt: Sin…

arXiv – cs.AI 06.02.2026 05:00

Forschung

Neue Messgröße für Zuverlässigkeit von KI‑Erklärungen

In den letzten Jahren ist die Erklärung von Entscheidungen komplexer Machine‑Learning‑Modelle zu einem entscheidenden Faktor in Bereichen w…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Agentische KI: AURA steigert Label‑Genauigkeit um bis zu 5,8 %

Die Erstellung von Labels für überwachte Lernmodelle bleibt trotz großer Fortschritte ein zentrales Problem. Traditionelle, von Menschen ge…

arXiv – cs.LG 04.02.2026 05:00

Forschung

LLM als Richter: Neue Methode prüft Zuverlässigkeit mit Item Response Theory

In der automatisierten Bewertung von Texten und Entscheidungen kommt der Technik „LLM-as-a-Judge“ immer mehr zum Einsatz. Bisher wurden die…

arXiv – cs.AI 03.02.2026 05:00

Forschung

Six Sigma Agent: Zuverlässigkeit von LLMs durch Konsens und Redundanz

Große Sprachmodelle (LLMs) zeigen beeindruckende Fähigkeiten, bleiben jedoch von Natur aus probabilistisch. Diese Unsicherheit stellt ein z…

arXiv – cs.AI 02.02.2026 05:00

Forschung

KI-System Climate RADAR verbessert Katastrophenwarnungen durch gezielte Maßnahmen

Mit steigenden klimatischen Gefahren liefern herkömmliche Frühwarnsysteme zwar rasch Alarme, doch oft fehlt die Verbindung zu konkreten Sch…

arXiv – cs.AI 27.01.2026 05:00

Forschung

Neues Diagnose-Framework steigert Tool-Call-Zuverlässigkeit in Multi-Agent-LLM-Systemen

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

arXiv – cs.AI 26.01.2026 05:00

Forschung

Vertrauensmetriken für Multi-LLM-Systeme: Zuverlässigkeit in regulierten Branchen

In einer Zeit, in der große Sprachmodelle (LLMs) vermehrt in sensiblen Bereichen wie Gesundheitswesen, Finanzen und Recht eingesetzt werden…

arXiv – cs.AI 15.01.2026 05:00

Forschung

<h1>Neues Lernmodell erkennt unzuverlässiges Feedback ohne externe Labels</h1> <p>In der Künstlichen Intelligenz stellt das Lernen unter unzuverlässigem Feedback eine besondere Herausforderung dar: ein System muss nicht nur entscheiden, wie es stabil lernen soll, sondern auch, ob es überhaupt aus einer Erfahrung lernen darf. Dieses Problem wird im Rahmen des sogenannten Epistemic Identifiability under Unobservable Reliability (EIUR) untersucht, bei dem jede Beobachtung eine latente Glaubwürdigkeit besitzt,

arXiv – cs.LG 15.01.2026 05:00

Forschung

ReliabilityBench: Maßstab für Zuverlässigkeit von Agenten im Produktionsumfeld

ReliabilityBench ist ein brandneues Benchmark-Tool, das die Zuverlässigkeit von Large‑Language‑Model‑Agenten unter produktionsähnlichen Bed…

arXiv – cs.AI 13.01.2026 05:00

Forschung

PromptPort: Zuverlässige strukturierte Extraktion über Modelle hinweg

In der Praxis scheitert die strukturierte Extraktion mit großen Sprachmodellen nicht an fehlendem Verständnis, sondern an unzuverlässiger A…

arXiv – cs.LG 13.01.2026 05:00

Forschung

PGAR: Ein leichtgewichtiges Meta‑Lern‑Framework für stabile und vertrauenswürdige KI

Das neue Framework Parent‑Guided Adaptive Reliability (PGAR) erweitert herkömmliche Lernalgorithmen um eine zusätzliche „Eltern“-Schicht, d…

arXiv – cs.LG 13.01.2026 05:00

Forschung

IGENBENCH: Benchmark zur Zuverlässigkeit von Text‑zu‑Infografik‑Modellen

Forscher haben IGENBENCH ins Leben gerufen, das erste umfassende Testsystem, um die Zuverlässigkeit von Text‑zu‑Infografik‑Modellen zu prüf…

arXiv – cs.LG 09.01.2026 05:00

Forschung

DW‑KNN: Neuer Klassifikator kombiniert Distanz‑ und Nachbarschaftszuverlässigkeit

Ein neuer Ansatz für den K‑Nearest‑Neighbors‑Klassifikator, der die Schwächen herkömmlicher Varianten adressiert, wurde auf arXiv veröffent…

arXiv – cs.LG 11.12.2025 05:00

Forschung

LLM‑Unlearning: Mehr Zuverlässigkeit bei automatisierter Hardware‑Code‑Erzeugung

Large Language Models (LLMs) haben das Potenzial, die digitale Hardwareentwicklung durch automatisierte Code‑Generierung zu beschleunigen…

arXiv – cs.LG 08.12.2025 05:00

Forschung

STRIDE: Tool zur Auswahl von KI-Modi – LLM, Assistenz oder Agenten

Der rasche Wechsel von stateless Large Language Models (LLMs) zu autonomen, zielgerichteten Agenten wirft die zentrale Frage auf: Wann ist…

arXiv – cs.AI 03.12.2025 05:00

Forschung

OpenApps: Testet UI-Agenten unter variierenden App-Umgebungen

Die Zuverlässigkeit von autonomen UI‑Agenten ist entscheidend, damit Nutzer ihnen vertrauen können. Bisher werden Agenten meist in festen…

arXiv – cs.AI 27.11.2025 05:00

Forschung

LLMs mit prüfbaren Tools: LIT steigert Zuverlässigkeit

In einer bahnbrechenden Veröffentlichung präsentiert ein Forschungsteam ein neues Framework namens LIT (LLMs with Inspectable Tools), das d…

arXiv – cs.LG 20.11.2025 05:00

Forschung

Offenes Datenset für frühzeitige Fehlererkennung in Fernwärme-Umspannwerken

Die frühzeitige Erkennung von Störungen in Fernwärme-Umspannwerken ist entscheidend, um Rücklauftemperaturen zu senken und die Effizienz zu…

arXiv – cs.AI 20.11.2025 05:00

Forschung

CLEAR: Das neue Bewertungssystem für Agentic AI in Unternehmen

In einer wegweisenden Studie wird deutlich, dass die meisten aktuellen Benchmarks für agentische KI ausschließlich die Genauigkeit der Aufg…

arXiv – cs.AI 19.11.2025 05:00

Forschung

Zukunft der Agenten‑AI: Herausforderungen und Chancen für Zuverlässigkeit

Ein neues Kapitel auf arXiv (Version 2511.11921v1) beleuchtet die Zukunft der zuverlässigen KI, mit besonderem Fokus auf agentische Systeme…

arXiv – cs.AI 18.11.2025 05:00

Finde Modelle, Firmen und Themen

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Neue Methode zertifiziert Zuverlässigkeit von Black-Box‑KI-Agenten

Meta AI stellt Open-Source-GCM für GPU-Cluster-Überwachung vor

Steering‑Vektoren in Sprachmodellen: Warum ihre Zuverlässigkeit variiert

Neue Messgrößen enthüllen Schwächen von KI-Agenten

Roboter-Modelle lernen bei taktil-visionären Eingaben zuverlässig zu adaptieren

Hybrid‑Abstention und adaptive Erkennung steigern Zuverlässigkeit von LLMs

Hybrid-Ansatz kombiniert optimalen Flug und fuzzy-basierte Hindernisvermeidung

VERA‑MH: Zuverlässige KI‑Sicherheitsbewertung für psychologische Chatbots

Neue Messgröße für Zuverlässigkeit von KI‑Erklärungen

Agentische KI: AURA steigert Label‑Genauigkeit um bis zu 5,8 %

LLM als Richter: Neue Methode prüft Zuverlässigkeit mit Item Response Theory

Six Sigma Agent: Zuverlässigkeit von LLMs durch Konsens und Redundanz

KI-System Climate RADAR verbessert Katastrophenwarnungen durch gezielte Maßnahmen

Neues Diagnose-Framework steigert Tool-Call-Zuverlässigkeit in Multi-Agent-LLM-Systemen

Vertrauensmetriken für Multi-LLM-Systeme: Zuverlässigkeit in regulierten Branchen

ReliabilityBench: Maßstab für Zuverlässigkeit von Agenten im Produktionsumfeld

PromptPort: Zuverlässige strukturierte Extraktion über Modelle hinweg

PGAR: Ein leichtgewichtiges Meta‑Lern‑Framework für stabile und vertrauenswürdige KI

IGENBENCH: Benchmark zur Zuverlässigkeit von Text‑zu‑Infografik‑Modellen

DW‑KNN: Neuer Klassifikator kombiniert Distanz‑ und Nachbarschaftszuverlässigkeit

LLM‑Unlearning: Mehr Zuverlässigkeit bei automatisierter Hardware‑Code‑Erzeugung

STRIDE: Tool zur Auswahl von KI-Modi – LLM, Assistenz oder Agenten

OpenApps: Testet UI-Agenten unter variierenden App-Umgebungen

LLMs mit prüfbaren Tools: LIT steigert Zuverlässigkeit

Offenes Datenset für frühzeitige Fehlererkennung in Fernwärme-Umspannwerken

CLEAR: Das neue Bewertungssystem für Agentic AI in Unternehmen

Zukunft der Agenten‑AI: Herausforderungen und Chancen für Zuverlässigkeit

🍪 Cookie-Einstellungen

Agentische KI: AURA steigert Label‑Genauigkeit um bis zu 5,8 %