Suche nach adaptive Gewichtung

MAPLE: Modality-Aware Post-Training – 30 % Genauigkeitsgewinn, 3‑fach Konvergenz

Multimodale Sprachmodelle kombinieren Text, Audio und Video zu einer einheitlichen Denkweise. In der Praxis werden jedoch bei bestehenden R…

arXiv – cs.AI 13.02.2026 05:00

Forschung

Geometrische Anker: Neue Methode stärkt Robustheit bei LLM-Alignment

Eine neue Technik namens Geometric Anchor Preference Optimization (GAPO) verspricht, die Zuverlässigkeit bei der Ausrichtung großer Sprachm…

arXiv – cs.LG 06.02.2026 05:00

Forschung

BalDRO: Robustes Framework für ausgewogenes LLM‑Unlearning

In einer Zeit, in der große Sprachmodelle (LLMs) immer mehr Einfluss auf das Internet haben, wird das gezielte Entfernen von Informationen…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Hybrid‑Federated‑Learning: Mehr Genauigkeit bei Rauschbelastung

In der Welt des verteilten Lernens stehen Federated Learning (FL) und Federated Distillation (FD) als zwei prominente Ansätze, die Modelle…

arXiv – cs.LG 09.01.2026 05:00

Forschung

Neuer Ansatz steigert semi-supervised kontrastives Lernen durch Entropie‑basierte Gewichtung

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Verlustterm vorgestellt, der die Kontraste im semi‑supervised Lern…

arXiv – cs.LG 09.01.2026 05:00

Forschung

Neues Verfahren AW-LSSVM verbessert Mehransichtsklassifikation

Mehransichtliches Lernen nutzt verschiedene Darstellungen derselben Instanzen, um die Klassifikationsleistung zu steigern. Dabei werden unt…

arXiv – cs.LG 03.12.2025 05:00

Forschung

Neue Methode steigert Robustheit: Collaborative Ensemble Adversarial Training

Ein neues Verfahren namens Collaborative Ensemble Adversarial Training (CEAT) verspricht, die Widerstandsfähigkeit von Modellen gegen gezie…

arXiv – cs.LG 03.09.2025 05:00

Forschung

ALSO: Neuer Optimierer verbindet robuste Verteilung mit Deep‑Learning‑Praxis

In der aktuellen Forschungsliteratur wird deutlich, dass klassische Deep‑Learning‑Optimierer alle Trainingsbeispiele gleich behandeln, währ…

arXiv – cs.LG 26.08.2025 05:00

Forschung

Neues unsupervised Map‑to‑Map‑Matching: Skalierbare, robuste Kartenausrichtung

Die Ausrichtung von Karten aus unterschiedlichen Quellen ist ein zentrales Problem der Geoinformatik, doch die fehlende Ground‑Truth‑Korres…

arXiv – cs.LG 26.08.2025 05:00

Forschung

Neuer Klassifikator HCAL verbessert hierarchische Multi-Label-Analyse

In einer aktuellen Veröffentlichung auf arXiv wird der neue Klassifikator HCAL vorgestellt, der die Herausforderungen der hierarchischen Mu…

arXiv – cs.LG 20.08.2025 05:00

Finde Modelle, Firmen und Themen

MAPLE: Modality-Aware Post-Training – 30 % Genauigkeitsgewinn, 3‑fach Konvergenz

Geometrische Anker: Neue Methode stärkt Robustheit bei LLM-Alignment

BalDRO: Robustes Framework für ausgewogenes LLM‑Unlearning

Hybrid‑Federated‑Learning: Mehr Genauigkeit bei Rauschbelastung

Neuer Ansatz steigert semi-supervised kontrastives Lernen durch Entropie‑basierte Gewichtung

Neues Verfahren AW-LSSVM verbessert Mehransichtsklassifikation

Neue Methode steigert Robustheit: Collaborative Ensemble Adversarial Training

ALSO: Neuer Optimierer verbindet robuste Verteilung mit Deep‑Learning‑Praxis

Neues unsupervised Map‑to‑Map‑Matching: Skalierbare, robuste Kartenausrichtung

Neuer Klassifikator HCAL verbessert hierarchische Multi-Label-Analyse

🍪 Cookie-Einstellungen

MAPLE: Modality-Aware Post-Training – 30 % Genauigkeitsgewinn, 3‑fach Konvergenz