Finde Modelle, Firmen und Themen

KI-Agenten bevorzugen Bitcoin als digitales Vermögenslager, was Finanzverantwortliche dazu zwingt, ihre Systeme für autonome Maschinen neu…

Deep Reinforcement Learning hat in den letzten Jahren komplexe Entscheidungsaufgaben erfolgreich gelöst. In vielen realen Szenarien stehen…

In der Welt der Multi-Agenten-Systeme stellt die Fähigkeit, die dynamischen Wechselwirkungen zwischen Agenten zu verstehen, deren gemeinsam…

Federated LoRA hat sich als effiziente Methode etabliert, um große Sprachmodelle auf dezentralen Daten zu verfeinern. In der Praxis führt d…

Wissenschaftler haben eine bahnbrechende Gleichgewichts-Theorie für Systeme von großen Sprachmodellen (LLM) entwickelt, die unter zentraler…

Neurale Graphdatenbanken (NGDBs) ermöglichen komplexe logische Schlussfolgerungen über unvollständige Wissensstrukturen, stoßen jedoch bei…

In einer neuen Studie wird gezeigt, wie mobile Geräte mit unterschiedlichen Aufgaben‑Datensätzen gemeinsam ein großes Sprachmodell (LLM) ve…

Ein neues arXiv‑Paper stellt CoTAR vor, ein zentralisiertes MLP‑Modul, das die dezentrale Attention von Transformers ersetzt und damit die…

Ein neues Forschungsprojekt namens HONEST‑CAV präsentiert ein hierarchisches Netzwerk‑Level‑Steuerungssystem, das sowohl das Fahrverhalten…

Die Künstliche Intelligenz rückt immer stärker in die Nähe der Nutzer, doch die damit einhergehenden Kosten für Datenübertragung, Latenz, E…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein neues Verfahren für das dezentrale Multi‑Player‑Bandit‑Problem vorgestellt. Da…

In der KI‑Forschung geht die Entwicklung von großen Sprachmodellen zunehmend in Richtung autonomer Agenten, die komplexe Entscheidungen tre…

Federated Learning (FL) hat die Möglichkeit eröffnet, Modelle dezentral auf Edge‑Geräten zu trainieren, ohne sensible Nutzerdaten zu zentra…

Die Vorhersage des Bitcoin-Preises bleibt eine der größten Herausforderungen im Kryptowährungsmarkt. Dezentrale Börsen sind nichtlinear, ex…

In einer neuen Veröffentlichung auf arXiv wird ein Ansatz vorgestellt, der die Zuverlässigkeit von kooperativem Multi-Agenten‑Reinforcement…

Ein neues arXiv-Preprint präsentiert CoMMa, ein dezentrales Framework aus großen Sprachmodellen, das speziell für die Unterstützung von Onk…

Der FedSurg‑Challenge 2024 hat erstmals ein umfassendes Benchmarking von Federated‑Learning‑Methoden für die Klassifizierung chirurgischer…

Vertrauen hat in den letzten Jahren an Bedeutung gewonnen, vor allem durch die rasante Entwicklung künstlicher Intelligenz und die Einführu…

Vertikales Federated Learning (VFL) ermöglicht es Unternehmen, Daten mit komplementären Feature‑Sätzen gemeinsam zu analysieren, ohne ihre…

Die Kryptomärkte haben sich zu einem rasanten Spielplatz für Entwickler entwickelt, die die nächste Generation von Prognose‑Software optimi…

In der schnell wachsenden Welt der dezentralen Finanzen (DeFi) sind Kreditexposures oft nur indirekt sichtbar und werden über Token vermitt…

Konzeptbasierte Modelle (CBMs) machen Deep‑Learning‑Vorhersagen nachvollziehbar, indem sie auf leicht verständliche Konzepte zurückgreifen…

Vision‑Language‑Modelle (VLMs) versprechen enorme Fortschritte in sensiblen Bereichen wie Medizin und Finanzen. Doch die strengen Datenschu…

YaCy ist ein Open‑Source‑Suchwerkzeug, das komplett privat bleibt und sich auf jedem modernen Betriebssystem installieren lässt – Linux, ma…

Die neue Plattform ZK-HybridFL kombiniert die Vorteile von Directed Acyclic Graph (DAG)-Ledgers, dedizierten Sidechains und Zero-Knowledge…

In diesem Tutorial wird gezeigt, wie Federated Learning funktioniert, wenn der klassische zentrale Aggregationsserver durch ein vollständig…

In der Welt der verteilten Datenanalyse stellt die Frage, wie viele Cluster in einem Netzwerk von Clients existieren, ein zentrales Problem…

Dezentrales Federated Learning (DFL) ermöglicht es Geräten, ohne zentralen Server direkt miteinander zu kommunizieren und gemeinsam ein all…

Die Feinabstimmung großer Sprachmodelle (LLMs) für spezielle Fachgebiete steht vor einer zentralen Hürde: vielfältige, organisationsübergre…