KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Upper Confidence Bound”

BONSAI: Bayesian Optimization, die Standardkonfigurationen respektiert

Die neue Methode BONSAI erweitert die klassische Bayesian Optimization um ein bewusstes Rückhaltprinzip: Sie schneidet unwichtige Abweichun…

arXiv – cs.LG 10.02.2026 05:00

HyPAC: Kostenoptimierte Hybrid-Annotation mit PAC-Fehlergarantie

In der heutigen Datenannotation stehen oft mehrere Quellen zur Verfügung, die unterschiedliche Kosten-Qualitäts-Verhältnisse aufweisen. Daz…

arXiv – cs.LG 04.02.2026 05:00

Neuer Algorithmus steigert Effizienz bei Optimierung mit KI-Vorhersagen

In einer aktuellen Veröffentlichung auf arXiv wird ein innovativer Ansatz vorgestellt, der die Effizienz von Optimierungsaufgaben mit teure…

arXiv – cs.LG 02.02.2026 05:00

Reinforcement Learning optimiert Nachbarschaftsauswahl in lokalen Suchalgorithmen

In einer neuen Studie aus dem arXiv-Repository wird gezeigt, wie Reinforcement Learning (RL) die Auswahl von Nachbarschaften in lokalen Suc…

arXiv – cs.LG 14.01.2026 05:00

LoRaCompass: Robustes RL für effiziente Lokalisierung von LoRa‑Tags

Das neue Modell LoRaCompass nutzt Reinforcement Learning, um mobile Sensoren in unbekannten Umgebungen gezielt nach LoRa‑Tags zu führen. Du…

arXiv – cs.LG 17.11.2025 05:00

MALinZero: Effiziente Low-Dimensional-Suche für komplexe Multi-Agenten-Planung

Monte‑Carlo‑Tree‑Search (MCTS) hat sich als leistungsstarkes Werkzeug für die Lösung komplexer Planungsaufgaben etabliert, indem es die Upp…

arXiv – cs.AI 11.11.2025 05:00

Neue Strategien für Abstraktionspolitiken verbessern Monte-Carlo-Bäume

Monte‑Carlo‑Tree‑Search (MCTS) ist ein leistungsstarkes Verfahren, doch seine Stichprobeneffizienz lässt zu wünschen übrig. Um dieses Prob…

arXiv – cs.AI 29.10.2025 04:00

Neue UCT-Strategien passen sich automatisch an Belohnungsmaßstab an

Der Upper Confidence Bounds For Trees (UCT)-Algorithmus ist nicht blind gegenüber der Belohnungsgröße, die in einem Spiel verwendet wird. W…

arXiv – cs.AI 27.10.2025 04:00

Array-basierte Implementierung verbessert Monte‑Carlo‑Tree‑Search um 2,8‑fach Ein neues arXiv‑Posting (2508.20140v1) präsentiert eine Array‑basierte Variante des klassischen Upper Confidence bounds applied to Trees (UCT) für Monte‑Carlo‑Tree‑Search (MCTS). Die Idee ist simpel: anstelle von verzweigten Strukturen werden die Knoten in flachen Arrays abgelegt, wodurch die CPU‑Branch‑Prediction entfällt und die Pipeline des Prozessors effizienter genutzt wird. Die Autoren betonen, dass die Logik des ursprün

arXiv – cs.AI 29.08.2025 05:00