KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Linear Representation Hypothesis”

Neue Hypothese: Lineare Zentroiden erklären Feature-Entstehung in Deep Networks

In einer kürzlich veröffentlichten Arbeit auf arXiv wird die Linear Centroids Hypothesis (LCH) vorgestellt, die ein neues Konzept zur Analy…

arXiv – cs.LG 15.04.2026 04:00

Neuronen speichern exponentiell viele Features – neues mathematisches Modell

Eine neue Studie aus dem Bereich der künstlichen Intelligenz liefert ein mathematisches Rahmenwerk, das die sogenannte lineare Repräsentati…

arXiv – cs.LG 13.02.2026 05:00

<p>Multimodale Einbettungsräume mit gruppensparschen Autoencodern zerlegen</p> <p>Neuer Ansatz nutzt die Linear Representation Hypothesis, wonach neuronale Netzwerke Embeddings als lineare Kombinationen von hochrangigen Konzepten erzeugen. Sparse Autoencoders (SAEs) haben sich als effektives Werkzeug erwiesen, um diese Embeddings in wenige, leicht interpretierbare Richtungen zu zerlegen. Bei multimodalen Daten wie Bild/Text‑Embeddings von CLIP oder Audio/Text‑Embeddings von CLAP zeigte sich jedoch, dass kla

arXiv – cs.LG 29.01.2026 05:00