Finde Modelle, Firmen und Themen

In der Datenanalyse ist die Faktorisierung von Datensätzen ein zentrales Thema, doch oft gestaltet sich die Berechnung einer effizienten Fa…

In einer neuen Veröffentlichung wird die klassische nichtnegative Matrix‑Faktorisierung (NMF) mit einer komponentenweisen L1‑Norm als Fehle…

In der Telekommunikation haben Deep-Learning-Methoden bislang vor allem bei kontinuierlichen Ressourcenallokationsaufgaben große Erfolge er…

LoRA‑Checkpoints speichern Aufgaben‑spezifische Updates in kompakter, niedrigdimensionaler Form. Diese Updates enthalten bereits die Inform…

In einer kürzlich veröffentlichten Arbeit wird Matrix Completion mithilfe von tiefen Matrix‑Faktorisierungen – also tiefen linearen neurona…

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

Wissenschaftler haben eine neue Variante der Nichtnegativen Matrixfaktorisierung (NMF) vorgestellt, die das Problem der einseitigen, ein‑Sk…

In der Welt der Graph Neural Networks (GNNs) haben sich die klassischen Spectral‑Methoden, die auf dem Graph‑Fourier‑Transform (GFT) basier…

In der Praxis wird die Kompression von Transformer‑Modellen häufig mit einer abgeschnittenen Singulärwertzerlegung (SVD) durchgeführt. Dies…

Fehlklassifikationen bei Spam- und Phishing-Erkennung sind besonders gefährlich: Falsch-negative Treffer lassen Angriffe unbemerkt, während…

In der jüngsten Veröffentlichung auf arXiv wird ein faszinierendes Phänomen bei der Feinabstimmung großer Sprachmodelle (LLMs) mit der Low‑…

In der neuesten Veröffentlichung auf arXiv (2602.02599v1) wird ein innovativer Ansatz vorgestellt, der die Speicher- und Rechenkosten von K…

Ein neues Modell namens FlowSymm, vorgestellt auf arXiv, bietet eine elegante Lösung für das Problem fehlender Flusswerte in Netzwerken. Du…

Ein neues arXiv‑Veröffentlichung beleuchtet die Herausforderung der kontinuierlichen Mittelwertschätzung, bei der Datenvektoren nacheinande…

In einer neuen Studie wird Bayesian-LoRA vorgestellt, eine Methode, die die klassische LoRA‑Aktualisierung in ein probabilistisches Low‑Ran…

Die neuesten Fortschritte in großen Sprachmodellen (LLMs) haben die Leistungsfähigkeit in vielen NLP‑Aufgaben revolutioniert – gleichzeitig…

In der Forschung zu lebenslangen KI-Agenten steht die Herausforderung im Vordergrund, dass diese Agenten ihre Kompetenz kontinuierlich erwe…

Moderne große Sprachmodelle (LLMs) belasten Speicher und Rechenleistung in einem Ausmaß, das eine gezielte Kompression unverzichtbar macht…

In einer neuen Veröffentlichung auf arXiv wird das Konzept des Dynamic Rank Reinforcement Learning (DR‑RL) vorgestellt, das die Low‑Rank‑Fa…

Die Skalierung großer Sprachmodelle erfordert neue Ansätze, die die Kapazität erhöhen, ohne die Parameterzahl oder die Inferenzkosten stark…

Ein kürzlich veröffentlichtes arXiv‑Paper (2512.07853v1) stellt ein innovatives Verfahren vor, das den Spitzen-GPU‑Speicherverbrauch von mu…

Die nichtnegative Matrixfaktorisierung (NMF) bleibt ein zentrales Werkzeug, um aus großen Datensätzen kompakte, partsbasierte Darstellungen…

Die riesigen Sprachmodelle, die heute viele Anwendungen antreiben, sind wegen ihrer Größe oft nicht in ressourcenbeschränkten Umgebungen ei…

Wissenschaftler haben einen neuen Ansatz zur Zustandsabschätzung in nichtlinearen, nicht-gauss'schen Zustandsraummodellen vorgestellt. Der…

Eine neue Veröffentlichung auf arXiv beleuchtet die Prinzipien der Wertdekomposition in Multi-Agent Reinforcement Learning (MARL) und zeigt…

Ein neues Modell, der Multivariate Variational Autoencoder (MVAE), wurde auf arXiv vorgestellt und verspricht, die Vorteile der klassischen…

Städte weltweit sehen sich immer häufiger mit Überschwemmungen durch heftige Regenfälle konfrontiert. Um solche Ereignisse frühzeitig zu er…

In einer kürzlich veröffentlichten Studie wird ein innovatives Quantile-Neural-Basis-Modell vorgestellt, das die Interpretierbarkeit von Qu…

In einer bahnbrechenden Studie wird endlich erklärt, was Word2Vec wirklich lernt und wie es dies tut. Die Autoren zeigen, dass das Lernprob…

In der Welt der großen Datenmodelle sind adaptive Gradient‑Methoden wie Adagrad weit verbreitet, doch ihre diagonalen Präconditioner lassen…