Finde Modelle, Firmen und Themen

Ein neues arXiv-Papier (2603.04741v1) präsentiert CONE, ein hybrides Transformer‑Encoder-Modell, das speziell dafür entwickelt wurde, numer…

In einer neuen Studie wird die bisherige Symmetrie im Transformer‑Attention‑Mechanismus in Frage gestellt. Während klassische Modelle diese…

In der Welt der großen Sprachmodelle (LLMs) eröffnet federiertes Feintuning die Möglichkeit, Modelle über verteilte Clients hinweg gemeinsa…

Reinforcement‑Learning‑Systeme müssen in der Praxis mit Veränderungen in ihren Beobachtungsdaten umgehen können. Die meisten gängigen Polic…

In einer kürzlich veröffentlichten Arbeit auf arXiv präsentiert das Forschungsteam die Architektur „Flowers“, ein neuronales Modell, das di…

Eine neue Studie auf arXiv zeigt, dass bei Transformer‑Modellen bis zu die Hälfte der nichtlinearen Berechnungen im MLP‑Block unnötig ist…

In den letzten Jahren haben transformerbasierte Modelle die Entwicklung der natürlichen Sprachverarbeitung maßgeblich vorangetrieben. Dabei…

In der Online-Werbung wird die Gebotsoptimierung bislang vor allem von Black-Box‑Modellen der maschinellen Lernens bestimmt. Diese Systeme…

In diesem Tutorial zeigen wir, wie man von Grund auf einen hochentwickelten Tree-of-Thoughts (ToT)-Agenten mit mehreren Zweigen konzipiert…

FlexAttention hat jetzt einen FlashAttention‑4‑Backend auf den neuesten NVIDIA GPUs Hopper und Blackwell. Das bedeutet deutlich schnellere…

Eine neue Architektur für Transformer‑Modelle, die sowohl Sätze als auch strukturierte Daten gleichzeitig trainiert, wurde vorgestellt. Das…

In der Echtzeit‑TDDFT (zeitabhängige Dichtefunktionaltheorie) werden die elektronischen Wellenfunktionen eines Moleküls kontinuierlich in R…

In der heutigen Landschaft des Multi‑Model‑LLM‑Servings bleibt die Decodierung häufig ein Flaschenhals. Durch modell­spezifische Ressourcen…

In einer neuen Untersuchung auf arXiv wird die Fähigkeit von Transformer‑Modellen, Informationen aus dem Kontext zu extrahieren, mit der Ef…

In realen Audio- und Videodaten liegen wichtige Informationen oft in langen stillen oder verrauschten Abschnitten verborgen. Klassische rek…

Eine neue Untersuchung auf arXiv zeigt, dass Transformer‑Modelle, die sparsames Attention end‑to‑end trainieren, die Routing‑Signale ihrer…

In einer neuen Studie aus dem Bereich GeoAI hat das Forschungsteam SpeedTransformer vorgestellt, ein Transformer‑basiertes Modell, das auss…

Die Frage, ob ein Lernalgorithmus für beliebig lange Eingaben zuverlässig vorhersagen kann, ist für die Praxis entscheidend. In einem kürzl…

Diffusion‑Sprachmodelle versprechen schnelle, parallele Textgenerierung, doch ein theoretisches Hindernis – die „Faktorierungsbarriere“ – v…

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovatives Verfahren vorgestellt, das die Generierung von neuronalen Netzwerk…

Ein neuer Bericht über das Lernen der natürlichen Krankheitsgeschichte mit generativen Transformern hat die Tür zu einer wichtigen technisc…

Die Notwendigkeit, Modelle gezielt zu „vergessen“, wächst, weil Datenschutz immer wichtiger wird. Doch herkömmliche Unlearning‑Methoden füh…

Ein neues, 524‑Millionen‑Parameter‑Transformer‑Modell namens TradeFM hat die Art und Weise, wie wir Markt‑Microstruktur verstehen, revoluti…

In der Welt des Offline-Reinforcement-Learnings (RL) haben generative Modelle in den letzten Jahren stark an Bedeutung gewonnen, weil sie k…

In einer neuen Untersuchung von arXiv‑Studien wird die Geometrie von Trainingspfaden in kleinen Transformer‑Modellen genauer beleuchtet. Da…

Federated Learning (FL) ermöglicht es, Modelle auf verteilten Geräten zu trainieren, ohne dass die Rohdaten zentralisiert werden. Durch meh…

Flowette ist ein neues, kontinuierliches Flow‑Matching‑Framework, das Graphen mit wiederkehrenden Motiven modelliert. Durch den Einsatz ein…

Ein neues, universelles KI-Modell namens Zatom-1 wurde vorgestellt, das sowohl die Generierung als auch die Vorhersage von 3D-Strukturen in…