Finde Modelle, Firmen und Themen

Mit dem Übergang von statischen zu dynamischen Aufgabenstellungen stehen große Sprachmodelle (LLMs) vor einer neuen Herausforderung: Sie mü…

Multimodale große Sprachmodelle (MLLMs) haben bei Wahrnehmungsaufgaben beeindruckende Ergebnisse erzielt, doch ihre Fähigkeit, mathematisch…

In der neuesten Veröffentlichung auf arXiv (2602.10063v1) wird ein innovatives Konzept vorgestellt, das die Art und Weise, wie KI‑Modelle P…

Eine aktuelle Veröffentlichung auf arXiv präsentiert ein innovatives Verfahren, mit dem multimodale Sprachmodelle ihre bisherige egocentris…

Die Entwicklung von „embodied intelligence“ – also KI, die in der realen Welt handeln kann – wird bislang durch die begrenzte räumliche Wah…

Die Vision, multimodale Agenten zu schaffen, die gleichzeitig Wahrnehmung, Sprache und Steuerung in verschiedensten realen Umgebungen meist…

Vision‑Language‑Modelle (VLMs) haben die multimodale Verarbeitung von Bild- und Textdaten revolutioniert, stoßen jedoch bei der Erkennung v…

Die räumliche Wahrnehmung ist ein zentrales Element echter multimodaler Intelligenz, denn sie ermöglicht es Modellen, mit ihrer physischen…

Ein neues Forschungsprojekt namens ORIGAMISPACE wurde auf arXiv veröffentlicht und richtet sich an die Bewertung multimodaler Large Languag…

Ein neues Survey‑Paper von arXiv (2511.15722v1) beleuchtet die bislang wenig erforschte Fähigkeit von multimodalen großen Sprachmodellen (M…

Verlässliche geographische Daten zu Straßenunfällen sind entscheidend für Sicherheitsanalysen und die Planung von Infrastruktur. In vielen…