Finde Modelle, Firmen und Themen

Ein völlig neuer Ansatz für multimodale KI hat die Forschung erschüttert: Das erste Tri‑Modal‑Masked‑Diffusion‑Modell, das von Grund auf mi…

Mit dem neuen Datensatz DeepVision-103K wird die Forschung im Bereich multimodaler KI einen bedeutenden Schritt nach vorne. Der Datensatz w…

Multimodale KI‑Modelle sind in der Praxis oft anfällig, wenn ein oder mehrere Eingangs­kanäle plötzlich fehlen oder stark verfälscht werden…

Mit Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) wurden die Denkfähigkeiten multimodaler Large Language Models (MLLMs) deu…

Eine neue Untersuchung aus dem Bereich der künstlichen Intelligenz hat die Sicherheitslücken von Omni‑modalen großen Sprachmodellen (OLLMs)…

Neue Forschung zeigt, dass multimodale KI‑Modelle zwar ein tiefes Verständnis besitzen, aber ihre eigene Generierung oft nicht optimal steu…

Die 3rd Generation Partnership Project (3GPP) liefert weltweit die technischen Grundlagen für Mobilfunknetze, doch ihre komplexen, hierarch…

Multimodale KI‑Modelle zeigen bisher vor allem im Englischen beeindruckende Ergebnisse, weil dort reichlich Bild‑Text‑ und Audio‑Text‑Daten…

Ein neues multimodales Judge-Modell wurde vorgestellt, das zuverlässige und erklärbare Bewertungen für eine breite Palette von Aufgaben lie…

Entdecken Sie, wie das Embedding-Modell TwelveLabs Marengo, das auf Amazon Bedrock verfügbar ist, das Videoverständnis durch multimodale KI…

Zhipu AI hat die GLM‑4.6V‑Serie als Open‑Source‑Vision‑Language‑Modelle veröffentlicht, die Bilder, Videos und Tools als gleichwertige Eing…

In den letzten Jahren haben multimodale große Sprachmodelle (MLLMs) enorme Fortschritte bei komplexen Denkaufgaben erzielt. Trotz ihrer Lei…

Multimodale KI‑Modelle, insbesondere Vision‑Language‑Modelle (VLMs), sind heute in vielen kritischen Anwendungen wie autonomer Entscheidung…

Ein neues Forschungsprojekt namens Omni-AutoThink wurde vorgestellt, das die Art und Weise, wie multimodale KI‑Modelle denken, revolutionie…

Mit dem Aufkommen von Omni‑Modal Large Language Models (OLLMs), die Text, Bilder, Videos und Audio verarbeiten, entstehen neue Herausforder…

Forscher von MiroMind AI in Zusammenarbeit mit mehreren chinesischen Universitäten haben das neue Trainingsframework OpenMMReasoner vorgest…

In der frühen Phase der Wirkstoffentwicklung spielt die Vorhersage der Bioaktivität von Molekülen gegen Zielproteine eine entscheidende Rol…

Eine neue Studie aus dem arXiv-Repository bietet einen umfassenden Überblick über Chunking-Strategien für multimodale KI-Systeme. Ziel ist…

Multimodale große Sprachmodelle (MLLMs) haben in der mathematischen Logik beeindruckende Fortschritte erzielt, bleiben jedoch anfällig für…

Ein brandneuer KI-Agent namens VICoT (Vision‑Interleaved Chain‑of‑Thought) verspricht, die Analyse von Fernerkundungsbildern auf ein völlig…

Ein neues Modell namens CURENet nutzt die Kraft großer Sprachmodelle und Transformer‑Encoder, um die vielfältigen Daten aus elektronischen…

Baidu hat mit seinem neuesten Modell ERNIE‑4.5‑VL‑28B‑A3B‑Thinking einen Meilenstein gesetzt. Das hoch effiziente multimodale KI-System erz…

In diesem Beitrag werden vier zentrale Kollaborationsmuster für Multi-Agenten- und multimodale KI-Systeme vorgestellt: Agents as Tools, Swa…

Wissenschaftler haben ein neues Verfahren entwickelt, das multimodale KI-Modelle gegen Unsicherheiten absichert. Durch die Anwendung von di…

Foundation‑Modelle (FMs) sind heute in vielen realen Anwendungen – von Computer‑Assistenten bis hin zu autonomen Systemen – im Einsatz. Dam…

In der Onkologie bleibt die präzise Vorhersage von Überlebenszeiten ein zentrales Problem. Mit dem Aufkommen umfangreicher multimodaler Dat…

Modulare Expertensysteme (Mixture-of-Experts, MoE) haben die multimodale KI revolutioniert, indem sie die Spezialisierung einzelner Modelle…

Mit dem neuen Benchmark MAC (Multimodal Academic Cover) wird die Bewertung von multimodalen großen Sprachmodellen (MLLMs) neu definiert. MA…

In den letzten Jahren haben große Sprachmodelle (LLMs) ihre Fähigkeit zum logischen Denken stark erweitert. Durch in‑Kontext‑Learning (ICL)…

Das Team „Dianping‑Trust‑Safety“ hat mit seinem Beitrag zum META CRAG‑MM‑Wettbewerb einen Meilenstein in der multimodalen Frage‑und‑Antwort…