Suche nach Training-Free

TATRA: Instanzbasiertes Prompting ohne Training – neue Methode für LLMs

Die Leistungsfähigkeit großer Sprachmodelle (LLMs) hat sich in den letzten Jahren stark verbessert, doch ihre Reaktion auf unterschiedliche…

arXiv – cs.AI 05.03.2026 05:00

Forschung

NExT-Guard: Echtzeit-Streaming-Schutz ohne tokenbasierte Labels

Moderne Sprachmodelle werden zunehmend in Streaming‑Anwendungen eingesetzt, wodurch herkömmliche Nach‑Sicherheitsmaßnahmen versagen – sie k…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Router‑Kalibrierung rettet re‑Training‑freie MoE‑Kompression

Die neueste Studie aus dem arXiv‑Repository zeigt, dass die gängige Praxis, Mixture‑of‑Experts‑Modelle ohne erneutes Training zu komprimier…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Neues Verfahren: GFlowNets ohne Training für Mehrziel-Generierung

Forscher haben ein innovatives Verfahren vorgestellt, das Generative Flow Networks (GFlowNets) ohne zusätzliche Trainingsschritte für die E…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Training-freie Anpassung von Diffusionsmodellen mit Doob's h-Transform

Die Anpassung von vortrainierten Diffusionsmodellen ist ein zentrales Thema, um deren Potenzial in vielfältigen Anwendungen zu entfalten. T…

arXiv – cs.LG 19.02.2026 05:00

Forschung

R2RAG‑Flood: KI‑gestützte Schadensvorhersage ohne Training

Ein neues, auf Logik basierendes KI‑Framework namens R2RAG‑Flood ermöglicht die sofortige Vorhersage von Gebäudeschäden nach Stürmen – und…

arXiv – cs.LG 12.02.2026 05:00

Forschung

SDFP: Training‑freies Draft‑Modell für schnelle LLM‑Decodierung

Große Sprachmodelle (LLMs) bilden die Basis für interaktive Multimedia‑Anwendungen wie Untertitelung, Suche, Empfehlung und kreative Inhalt…

arXiv – cs.AI 06.02.2026 05:00

Forschung

GeoEvolver: Trainingfreie Multi-Agenten für Earth‑Observation In einer neuen Veröffentlichung auf arXiv wird GeoEvolver vorgestellt, ein selbstentwickelndes Multi‑Agenten‑System, das große Sprachmodelle (LLM) ohne jegliche Parameteranpassung befähigt, komplexe Earth‑Observation‑Aufgaben zu bewältigen. Durch gezielte Interaktion erwirbt das System Fachwissen über spezialisierte Werkzeuge und kann so präzise Tool‑Parameter einstellen und Fehler während der Ausführung korrigieren.Earth‑Obser

arXiv – cs.AI 04.02.2026 05:00

Forschung

PolarMem: Trainingfreie, polarisiertes Graph-Memory für verifizierbare Agenten Mit dem neuen Ansatz PolarMem wird die Art und Weise, wie multimodale Agenten Informationen speichern und nutzen, grundlegend verändert. Während herkömmliche Systeme oft die Grenzen zwischen semantischer Nähe und tatsächlicher Existenz verschwimmen lassen, setzt PolarMem auf eine klare Trennung. Durch die Umwandlung unscharfer Wahrnehmungswahrscheinlichkeiten in diskrete logische Einschränkungen schafft das System eine

arXiv – cs.AI 03.02.2026 05:00

Forschung

SurrogateSHAP: Kostenlose Beitragszuordnung für Text‑zu‑Bild‑Modelle

Mit der zunehmenden Verbreitung von Text‑zu‑Bild‑Diffusionsmodellen in kreativen Arbeitsabläufen wird ein zuverlässiges System zur Bewertun…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Darwinian Memory: Selbstregulierendes Gedächtnissystem steigert GUI-Agenten

Multimodale Large Language Model‑Agenten (MLLMs) haben die Automatisierung von grafischen Benutzeroberflächen (GUI) revolutioniert, doch ih…

arXiv – cs.AI 02.02.2026 05:00

Forschung

Neues Verfahren liefert zitierfähige klinische Zusammenfassungen ohne Training

In der medizinischen Dokumentation ist es entscheidend, dass Zusammenfassungen nicht nur flüssig und verständlich sind, sondern auch klar z…

arXiv – cs.AI 26.01.2026 05:00

Forschung

Memo‑SQL: Trainingfreies NL2SQL mit Decomposition & selbstkorrigierendem Ansatz

In der Welt der Natural‑Language‑to‑SQL‑Übersetzungen stoßen aktuelle Systeme an zwei Grenzen: Sie nutzen ausschließlich korrekte Beispiele…

arXiv – cs.AI 16.01.2026 05:00

Forschung

Training‑freie Verteilungsanpassung für Diffusionsmodelle mittels MMD‑Guidance

Pre‑trainierte Diffusionsmodelle haben sich als äußerst leistungsfähige generative Werkzeuge etabliert, doch ihre Ausgaben passen häufig ni…

arXiv – cs.LG 14.01.2026 05:00

Forschung

CureAgent: Training‑freies Executor‑Analyst‑Framework für klinische Entscheidungen

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz hat ein völlig neues Konzept für die klinische Entscheidungsfindung…

arXiv – cs.AI 08.12.2025 05:00

Forschung

Kostenlose LLM-Agenten: In-Context Distillation senkt Ausführungskosten um 2,5‑fach

In einer neuen Veröffentlichung auf arXiv wird ein Verfahren vorgestellt, das die Ausführungskosten von großen Sprachmodell‑Agenten drastis…

arXiv – cs.LG 03.12.2025 05:00

Forschung

LLM-gestütztes Active Learning reduziert Experimente in Materialwissenschaften um 70 %

Ein neues Framework, das große Sprachmodelle (LLMs) nutzt, verspricht, die experimentelle Forschung in der Materialwissenschaft drastisch z…

arXiv – cs.LG 26.11.2025 05:00

Forschung

Neural PDE-Lösungen: Training-freie Projektionen reduzieren Fehler drastisch

Neurale Netzwerke, die partielle Differentialgleichungen (PDEs) lösen, sind in der wissenschaftlichen Simulation zunehmend beliebt. Sie sto…

arXiv – cs.LG 24.11.2025 05:00

Forschung

TOFA: Ein neuer Ansatz für federated Learning von Vision‑Language Modellen ohne Training

In der schnell wachsenden Forschung zum federated Learning von Vision‑Language Modellen (VLMs) präsentiert TOFA einen innovativen Weg, die…

arXiv – cs.AI 21.11.2025 05:00

Forschung

Neues Verfahren ermöglicht motion‑kontrollierte Videoerstellung ohne Training

Ein neues, trainingsfreies Verfahren namens Time-to-Move (TTM) verspricht, die Art und Weise, wie Videos generiert werden, grundlegend zu v…

arXiv – cs.AI 13.11.2025 05:00

Forschung

TabPFN v2: Mit Chunked-TabPFN Längere Tabellendaten ohne Vorverarbeitung meistern

Die neueste Version von TabPFN, genannt v2, übertrifft herkömmliche baumbasierte Modelle bei mehreren tabellarischen Benchmarks – ein bemer…

arXiv – cs.LG 03.09.2025 05:00

Forschung

Training‑freies Framework verbessert multimodale Multi‑Hop‑Fragenantworten

Die Beantwortung von Fragen, die mehrere Modalitäten wie Bilder und Texte erfordern, stellt die KI‑Forschung vor große Herausforderungen. T…

arXiv – cs.AI 25.08.2025 05:00

Forschung

Neuer Backdoor-Angriff auf Transformer ohne Retraining: HPMI

Forscher haben einen völlig neuen Ansatz zur Manipulation von Transformer‑Modellen vorgestellt, der ohne erneutes Training auskommt. Der so…

arXiv – cs.LG 15.08.2025 05:00

Finde Modelle, Firmen und Themen

TATRA: Instanzbasiertes Prompting ohne Training – neue Methode für LLMs

NExT-Guard: Echtzeit-Streaming-Schutz ohne tokenbasierte Labels

Router‑Kalibrierung rettet re‑Training‑freie MoE‑Kompression

Neues Verfahren: GFlowNets ohne Training für Mehrziel-Generierung

Training-freie Anpassung von Diffusionsmodellen mit Doob's h-Transform

R2RAG‑Flood: KI‑gestützte Schadensvorhersage ohne Training

SDFP: Training‑freies Draft‑Modell für schnelle LLM‑Decodierung

SurrogateSHAP: Kostenlose Beitragszuordnung für Text‑zu‑Bild‑Modelle

Darwinian Memory: Selbstregulierendes Gedächtnissystem steigert GUI-Agenten

Neues Verfahren liefert zitierfähige klinische Zusammenfassungen ohne Training

Memo‑SQL: Trainingfreies NL2SQL mit Decomposition & selbstkorrigierendem Ansatz

Training‑freie Verteilungsanpassung für Diffusionsmodelle mittels MMD‑Guidance

CureAgent: Training‑freies Executor‑Analyst‑Framework für klinische Entscheidungen

Kostenlose LLM-Agenten: In-Context Distillation senkt Ausführungskosten um 2,5‑fach

LLM-gestütztes Active Learning reduziert Experimente in Materialwissenschaften um 70 %

Neural PDE-Lösungen: Training-freie Projektionen reduzieren Fehler drastisch

TOFA: Ein neuer Ansatz für federated Learning von Vision‑Language Modellen ohne Training

Neues Verfahren ermöglicht motion‑kontrollierte Videoerstellung ohne Training

TabPFN v2: Mit Chunked-TabPFN Längere Tabellendaten ohne Vorverarbeitung meistern

Training‑freies Framework verbessert multimodale Multi‑Hop‑Fragenantworten

Neuer Backdoor-Angriff auf Transformer ohne Retraining: HPMI

🍪 Cookie-Einstellungen

LLM-gestütztes Active Learning reduziert Experimente in Materialwissenschaften um 70 %