Suche nach kontrastives Lernen

LLMs werden selbstrobust: CoIPO steigert Prompt‑Stabilität

Die neuesten Fortschritte bei großen Sprachmodellen (LLMs) zeigen beeindruckende Leistungen in vielen Aufgabenbereichen. Dennoch sind diese…

arXiv – cs.AI 05.03.2026 05:00

Forschung

Neue Methode reduziert Überabweisungen bei Sprachmodellen – DCR steigert Sicherheit

Sprachmodelle, die für Sicherheit abgestimmt sind, neigen häufig dazu, zu viele Anfragen abzulehnen, selbst wenn diese harmlos sind. Dieses…

arXiv – cs.AI 05.03.2026 05:00

Forschung

LaDa: Federiertes Distillationsframework lernfähigkeitsorientierte Datenverteilung

In der Zusammenarbeit von großen Sprachmodellen (LLMs) und kleineren Modellen (SLMs) ist die Verteilung von Daten entscheidend. Ein bislang…

arXiv – cs.AI 24.02.2026 05:00

Forschung

<h1>Kontrastives Lernen bei unausgeglichenen Daten: Theoretische Analyse und Pruning‑Lösung</h1> <p>Kontrastives Lernen gilt als ein äußerst wirkungsvolles Verfahren zur Erzeugung generalisierbarer Repräsentationen. Trotz seiner praktischen Erfolge fehlt bislang ein umfassendes theoretisches Verständnis, insbesondere wenn die Trainingsdaten stark unausgeglichen sind – ein Szenario, das in vielen realen Anwendungen vorherrscht.</p> <p>In der vorliegenden Arbeit wird ein neues theoretisches Rahmenwerk vorgest

arXiv – cs.LG 12.02.2026 05:00

Forschung

Neue Methode ermöglicht gezielte Steuerung von Agenten in Markov-Prozessen

Forscher haben ein neues Verfahren entwickelt, das es ermöglicht, Agenten in Markov-Entscheidungsprozessen gezielt zu steuern, ohne dass si…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Neue Methode nutzt Mobilitätsdaten, um POIs besser zu verstehen

Forscher haben ein neues Framework namens Mobility-Embedded POIs (ME‑POIs) vorgestellt, das die Art und Nutzung von Orten anhand von Bewegu…

arXiv – cs.LG 30.01.2026 05:00

Forschung

AC2L-GAD: Aktiv kontrafaktisches Lernen für Graph‑Anomalieerkennung

Graph‑Anomalieerkennung soll abnormale Muster in Netzwerken aufdecken, steht jedoch vor großen Hindernissen wie wenigen gelabelten Daten un…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Backdoor-Angriffe auf multimodales kontrastives Lernen: Schwachstellen aufgedeckt

Kontrastives Lernen hat sich als führende selbstüberwachte Methode für die Repräsentationsgewinnung in Bereichen wie Bildverarbeitung, mult…

arXiv – cs.LG 19.01.2026 05:00

Forschung

Tensor-DTI: Mehrwert durch multimodales kontrastives Lernen bei DTI‑Vorhersagen

Die Vorhersage von Arzneimittel‑Zielinteraktionen (Drug‑Target Interaction, DTI) ist ein zentrales Ziel der computergestützten Wirkstofffor…

arXiv – cs.LG 12.01.2026 05:00

Forschung

LLM2IR: Unüberwachtes kontrastives Lernen macht LLMs zu starken Suchmaschinen

In einer neuen Studie wird gezeigt, wie ein einfaches, unüberwachtes kontrastives Lernverfahren große Sprachmodelle (LLMs) in leistungsfähi…

arXiv – cs.AI 12.01.2026 05:00

Forschung

Verteilungsabgleich verbessert semi‑supervised kontrastives Lernen

Die rasante Entwicklung von Deep‑Learning‑Modellen hat die Bildklassifikation in der überwachten Lernphase stark vorangebracht. Gleichzeiti…

arXiv – cs.AI 09.01.2026 05:00

Forschung

Aktives Lernen steigert Identifikation von Funkemittenten drastisch

Mit dem rasanten Ausbau der drahtlosen Kommunikation gewinnt die spezifische Emittentenidentifikation (SEI) immer mehr an Bedeutung für die…

arXiv – cs.AI 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

EXAONE Path 2.5: Pathologie-Modell vereint Histologie, Genomik und mehr

Die Entstehung von Tumoren beruht auf komplexen Wechselwirkungen zwischen verschiedenen biologischen Ebenen. Während herkömmliche Bildanaly…

arXiv – cs.LG 17.12.2025 05:00

Forschung

Semi-supervised GCNs optimiert durch kontrastives Lernen und Selbsttraining

Ein neues arXiv-Papier (2512.13770v1) präsentiert MV‑SupGCN, ein semi‑supervised Graph Convolutional Network, das die Integration von heter…

arXiv – cs.LG 17.12.2025 05:00

Forschung

<p>TF-MCL: Zeit‑Frequenz‑Fusion steigert EEG‑Depressionsdiagnose</p> <p>In den letzten Jahren hat die Forschung verstärkt auf überwachte Verfahren zur Erkennung von Major Depressive Disorder (MDD) mittels EEG gesetzt. Das Etikettieren der Daten bleibt jedoch ein großes Hindernis. Selbstüberwachtes kontrastives Lernen bietet hier einen vielversprechenden Ansatz, weil es nicht auf umfangreiche Labels angewiesen ist. Bisherige kontrastive Modelle berücksichtigen jedoch die zeit‑frequenzielle Struktur von EEG‑S

arXiv – cs.LG 17.12.2025 05:00

Forschung

Topologischer Bias in heterogenen Graph Neural Networks: Neue Debiasing‑Methode

Graph Neural Networks (GNNs) haben sich als leistungsstarke Werkzeuge zur Analyse von graphstrukturierten Daten etabliert. Bei semi‑supervi…

arXiv – cs.LG 16.12.2025 05:00

Forschung

DAPO: KI-gestützte Pass-Reihenfolge steigert FPGA-HLS um 2,36×

In der Welt der FPGA-basierten Domänen-spezifischen Beschleuniger hat sich High‑Level Synthesis (HLS) als unverzichtbares Werkzeug etablier…

arXiv – cs.LG 15.12.2025 05:00

Forschung

Kontrastives Lernen verbessert semi-supervised Deep Regression

Ein neues Verfahren aus der Forschung auf arXiv erweitert die Möglichkeiten des kontrastiven Lernens für Regressionsmodelle, indem es unlab…

arXiv – cs.LG 11.12.2025 05:00

Forschung

CLOP: Neue semi-supervised Kontrastive Lernmethode verhindert dimensionalen Kollaps

Kontrastives Lernen hat sich als äußerst wirkungsvolle Technik im Deep Learning etabliert, indem es durch Gegenüberstellung von Proben aus…

arXiv – cs.LG 10.12.2025 05:00

Forschung

KI-gestützte Diagnostik: Wissensgraphen und Prototypen liefern präzise Vorhersagen

Die Vorhersage von Krankheiten allein anhand von Patientendaten wie Alter, Geschlecht und selbstberichteten Symptomen gewinnt zunehmend an…

arXiv – cs.AI 10.12.2025 05:00

Forschung

Neues ECG-Foundation-Modell CLEF nutzt klinisch geführtes kontrastives Lernen

Das Elektrokardiogramm (EKG) bleibt ein unverzichtbares Diagnoseinstrument in der Kardiologie und ist inzwischen in klinischen Geräten sowi…

arXiv – cs.LG 03.12.2025 05:00

Forschung

Neues Lernverfahren steigert Branching-Genauigkeit bei MILP-Optimierung

Die Optimierung von Mixed Integer Linear Programming (MILP) bleibt ein zentrales Problem in Forschung und Praxis. Durch den Branch-and-Boun…

arXiv – cs.LG 27.11.2025 05:00

Forschung

Neues Lernverfahren: GCL-OT nutzt optimalen Transport für heterophile Textgraphen

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovatives Verfahren namens GCL-OT vorgestellt, das graphkontrastives Lernen…

arXiv – cs.LG 24.11.2025 05:00

Forschung

Neues Masking-Verfahren verbessert Clustering von multivariaten Zeitreihen

In der Analyse von multivariaten Zeitreihen (MTS) stellen redundante Daten wie stabile Maschinenbetriebsaufzeichnungen oder Leerlaufphasen…

arXiv – cs.LG 24.11.2025 05:00

Forschung

PLATONT: Einheitliche Netzwerk‑Tomographie mit platonischer Repräsentation

Die Netzwerk‑Tomographie versucht, verborgene Zustände wie Latenz, Paketverlust, Bandbreite und Topologie allein aus externen Messungen zu…

arXiv – cs.LG 20.11.2025 05:00

Forschung

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung

Die neueste Veröffentlichung von RTMol stellt einen Paradigmenwechsel in der Verbindung von chemischen Strukturen und ihrer sprachlichen Be…

arXiv – cs.AI 18.11.2025 05:00

Forschung

Neues Verfahren verbessert Clustering bei unvollständigen Mehransichtsdaten

Ein neues Verfahren namens DGIMVCM (Dynamic Deep Graph Learning for Incomplete Multi‑View Clustering with Masked Graph Reconstruction Loss)…

arXiv – cs.LG 17.11.2025 05:00

Forschung

Poly-Window Contrastive Learning verbessert ECG-Analyse nachhaltig

Die Analyse von Elektrokardiogrammen (EKG) ist ein entscheidender Schritt bei der Diagnose von Herz-Kreislauf-Erkrankungen. Doch die Leistu…

arXiv – cs.LG 22.08.2025 05:00

Forschung

Neues Lernframework steigert Leistung selbstüberwachter Kontrastive Lernmethoden

Selbstüberwachtes kontrastives Lernen (SSCL) hat in den letzten Jahren die Leistung bei vielen Downstream‑Aufgaben deutlich verbessert. In…

arXiv – cs.LG 20.08.2025 05:00

Finde Modelle, Firmen und Themen

LLMs werden selbstrobust: CoIPO steigert Prompt‑Stabilität

Neue Methode reduziert Überabweisungen bei Sprachmodellen – DCR steigert Sicherheit

LaDa: Federiertes Distillationsframework lernfähigkeitsorientierte Datenverteilung

Neue Methode ermöglicht gezielte Steuerung von Agenten in Markov-Prozessen

Neue Methode nutzt Mobilitätsdaten, um POIs besser zu verstehen

AC2L-GAD: Aktiv kontrafaktisches Lernen für Graph‑Anomalieerkennung

Backdoor-Angriffe auf multimodales kontrastives Lernen: Schwachstellen aufgedeckt

Tensor-DTI: Mehrwert durch multimodales kontrastives Lernen bei DTI‑Vorhersagen

LLM2IR: Unüberwachtes kontrastives Lernen macht LLMs zu starken Suchmaschinen

Verteilungsabgleich verbessert semi‑supervised kontrastives Lernen

Aktives Lernen steigert Identifikation von Funkemittenten drastisch

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

EXAONE Path 2.5: Pathologie-Modell vereint Histologie, Genomik und mehr

Semi-supervised GCNs optimiert durch kontrastives Lernen und Selbsttraining

Topologischer Bias in heterogenen Graph Neural Networks: Neue Debiasing‑Methode

DAPO: KI-gestützte Pass-Reihenfolge steigert FPGA-HLS um 2,36×

Kontrastives Lernen verbessert semi-supervised Deep Regression

CLOP: Neue semi-supervised Kontrastive Lernmethode verhindert dimensionalen Kollaps

KI-gestützte Diagnostik: Wissensgraphen und Prototypen liefern präzise Vorhersagen

Neues ECG-Foundation-Modell CLEF nutzt klinisch geführtes kontrastives Lernen

Neues Lernverfahren steigert Branching-Genauigkeit bei MILP-Optimierung

Neues Lernverfahren: GCL-OT nutzt optimalen Transport für heterophile Textgraphen

Neues Masking-Verfahren verbessert Clustering von multivariaten Zeitreihen

PLATONT: Einheitliche Netzwerk‑Tomographie mit platonischer Repräsentation

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung

Neues Verfahren verbessert Clustering bei unvollständigen Mehransichtsdaten

Poly-Window Contrastive Learning verbessert ECG-Analyse nachhaltig

Neues Lernframework steigert Leistung selbstüberwachter Kontrastive Lernmethoden

🍪 Cookie-Einstellungen

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung