Suche nach kontinuierliches Lernen

Modulares kontinuierliches Lernen ohne Datenverlust dank Zero‑Leakage Routing

In der Forschung zum kontinuierlichen Lernen von künstlichen neuronalen Netzwerken bleibt das Problem des katastrophalen Vergessens ein zen…

arXiv – cs.LG 17.04.2026 04:00

Forschung

KI als wissenschaftlicher Partner: Forschung und Publikationen neu

In einer aktuellen Veröffentlichung auf arXiv wird die Rolle der Künstlichen Intelligenz in der Wissenschaft neu bewertet. Der Autor betont…

arXiv – cs.AI 17.04.2026 04:00

Forschung

CI-CBM: Interpretierbares kontinuierliches Lernen ohne Vergessen

In der Forschung zum kontinuierlichen Lernen bleibt das Problem des katastrophalen Vergessens ein zentrales Hindernis. Besonders in der cla…

arXiv – cs.LG 17.04.2026 04:00

Forschung

Fehler-gesteuertes Lernen spart Energie und Speicher bei Lernprozessen

Synaptische Plastizität verbraucht viel Energie, doch Tiere aktualisieren ihre inneren Modelle ständig, ohne ihre Energiereserven zu erschö…

arXiv – cs.AI 17.04.2026 04:00

Forschung

Sparse Memory Finetuning: LLMs lernen kontinuierlich ohne Vergessensrisiko

Neues Forschungspapier aus dem arXiv-Repository zeigt, wie große Sprachmodelle (LLMs) nach dem Training weiter an neue Informationen angepa…

arXiv – cs.LG 08.04.2026 04:00

Forschung

Transformer-Modelle revolutionieren Windstrukturvorhersage und digitale Zwillinge

Ein neues Transformer‑Verfahren zur Vorhersage von windinduzierten strukturellen Reaktionen wurde vorgestellt. Das Modell kombiniert eine s…

arXiv – cs.LG 03.04.2026 04:00

Forschung

Kontinuierliches Lernen steigert Genauigkeit bei Speiseklassifizierung

Traditionelle Machine‑Learning‑Modelle stoßen häufig an ihre Grenzen, wenn sie mit neuen Speisekategorien konfrontiert werden, die im ursp…

arXiv – cs.LG 23.03.2026 04:00

Forschung

Memento‑Skills: Agenten, die Agenten bauen

Die neueste Veröffentlichung von Memento‑Skills präsentiert ein generisches, kontinuierlich lernendes LLM‑Agentensystem, das sich selbst zu…

arXiv – cs.AI 20.03.2026 04:00

Forschung

Abstraktion als speichereffizienter Lernvorteil für kontinuierliches Lernen

In einer Welt, die ständig im Wandel ist, müssen intelligente Systeme kontinuierlich lernen, ohne jedes Mal von Grund auf neu zu beginnen…

arXiv – cs.LG 19.03.2026 04:00

Forschung

FastODT: Baum-basiertes Framework für effizientes kontinuierliches Lernen

Moderne Machine‑Learning‑Modelle, die in realen Anwendungen eingesetzt werden, stehen vor der Herausforderung, sich an sich wandelnde Daten…

arXiv – cs.LG 17.03.2026 04:00

Forschung

LCA: Lokale Klassifikatorausrichtung verbessert kontinuierliches Lernen

Intelligente Systeme müssen in der Lage sein, sich ständig an veränderte Umgebungen anzupassen. In der Praxis führt das jedoch häufig zu „k…

arXiv – cs.AI 11.03.2026 04:00

Forschung

Mutual Assisted Learning: Neue Methode für IoT‑Datenströme

In der Analyse von Internet‑of‑Things‑Datenströmen stehen traditionelle Machine‑Learning‑Ansätze vor großen Herausforderungen: kontinuierli…

arXiv – cs.LG 11.03.2026 04:00

Forschung

Auton Agentic AI: Neues Framework für autonome KI-Systeme

Die Forschung im Bereich Künstliche Intelligenz erlebt einen entscheidenden Wandel: Von der reinen Generierung von Texten und Bildern hin z…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Kontinuierliches Lernen reduziert verheerendes Vergessen bei IoT-IDS

In RPL‑basierten IoT‑Netzwerken führen Verschiebungen der Angriffsmuster zu einer ernsthaften Bedrohung für die Zuverlässigkeit und Sicher…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neues Modell TRC² revolutioniert kontinuierliches Lernen in Sprachmodellen

Die Forschung hat ein neues Architekturkonzept namens TRC² (Thalamically Routed Cortical Columns) vorgestellt, das das fortlaufende Lernen…

arXiv – cs.LG 27.02.2026 05:00

Forschung

Kontinuierliches Lernen kausaler Modelle via dynamische Prädikaten-Erfindung

Eine neue Veröffentlichung auf arXiv (2602.17217v1) präsentiert einen innovativen Ansatz, der es Agenten ermöglicht, die Logik ihrer Umgebu…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Panini: Kontinuierliches Lernen im Tokenraum durch strukturierten Speicher

Mit der wachsenden Nutzung von Sprachmodellen zur Beantwortung von Fragen zu neuem Material steigt der Bedarf, dass diese Modelle über Inha…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Multi-Head Attention verursacht Vergessens bei MoE-Transformern – Lösung reduziert Rückfall

Mixture-of-Experts (MoE)-Architekturen gelten als vielversprechend für kontinuierliches Lernen, weil die sparsamen Routenupdates die Interf…

arXiv – cs.LG 16.02.2026 05:00

Forschung

Online‑Lernen verbessert Fehlererkennung in optischen Netzwerken um 70 %

Ein neues Verfahren aus dem Bereich des Online‑Lernens wurde auf optische Netzwerke angewendet, um die Erkennung von Ausfällen dynamisch an…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Neurale Netze behalten Plastizität bei allmählicher Veränderung

Ein neuer Beitrag auf arXiv (2602.09234v1) untersucht, ob neuronale Netzwerke ihre Lernfähigkeit in einer allmählich verändernden Umgebung…

arXiv – cs.LG 11.02.2026 05:00

Forschung

MePo: Meta-Post-Refinement verbessert kontinuierliches Lernen ohne Wiederholung

Ein neues Verfahren namens Meta Post-Refinement (MePo) verspricht einen Durchbruch im Bereich des kontinuierlichen Lernens ohne Wiederholun…

arXiv – cs.AI 10.02.2026 05:00

Forschung

Sparse Adapter Fusion: Parameter sparen bei kontinuierlichem NLP‑Lernen

Kontinuierliches Lernen ist in der natürlichen Sprachverarbeitung entscheidend, um Modelle an sich wandelnde Daten anzupassen und das sogen…

arXiv – cs.LG 04.02.2026 05:00

Forschung

Neues Prompt-Sharing-Framework verbessert kontinuierliches Lernen

Ein neues Verfahren aus dem arXiv-Preprint 2601.20894v1 zeigt, dass Prompt-basiertes kontinuierliches Lernen deutlich effizienter und effek…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Neues Benchmark-Tool testet Lern-, Explorations- und Scheduling-Fähigkeiten von Agenten

Die rasante Weiterentwicklung multimodaler Large Language Models hat die Automatisierung von Arbeitsabläufen stark vorangetrieben. Doch bis…

arXiv – cs.AI 14.01.2026 05:00

Forschung

Kontinuierliches Lernen ohne Vergessen: positives Wissenstransfer In der Forschung zum kontinuierlichen Lernen (CL) liegt der Fokus bislang vor allem auf der Vermeidung von katastrophalem Vergessen (CF). Das neue Verfahren Enhanced Task Continual Learning (ETCL) geht darüber hinaus und strebt an, nicht nur CF zu verhindern, sondern gleichzeitig positiven Wissenstransfer in beide Richtungen zu fördern. Das bedeutet, dass ein Agent das Gelernte aus früheren Aufgaben nutzt, um neue Aufgaben

arXiv – cs.LG 12.01.2026 05:00

Forschung

CHyLL: Kontinuierliche neuronale Darstellungen hybrider Systeme ohne Segmentierung Die Modellierung von hybriden Systemen, die sowohl kontinuierliche als auch diskrete Dynamiken besitzen, stellt ein zentrales Problem in der Regelungstechnik und Robotik dar. Traditionelle Ansätze lernen die Dynamik in jedem diskreten Modus separat, was durch Moduswechsel und Unstetigkeiten in den Flows erschwert wird. In der aktuellen Arbeit wird CHyLL (Kontinuierliches Lernen hybrider Systeme im latenten Raum) vorgestellt

arXiv – cs.LG 12.12.2025 05:00

Forschung

rSIM: LLMs durch Verstärkte Strategieeinführung zu leistungsstarken Denkmaschinen

Ein neues Verfahren namens rSIM (reinforced strategy injection mechanism) ermöglicht es großen Sprachmodellen, ihre Denkfähigkeiten drastis…

arXiv – cs.AI 10.12.2025 05:00

Forschung

Effizientes Spiking Neural Network lernt kontinuierlich für selbstadaptive iBMI

Die Zahl der gleichzeitig aufgezeichneten Neuronen in implantierbaren Gehirn‑Maschine‑Schnittstellen (iBMIs) wächst exponentiell. Um die Da…

arXiv – cs.LG 01.12.2025 05:00

Forschung

Agentisches KI-Framework reduziert Lagerengpässe und senkt Bestandskosten

Im heutigen Einzelhandel, in dem die Produktvielfalt von Kleidung über Lebensmittel bis hin zu Kosmetika reicht, ist die Nachfragevorhersag…

arXiv – cs.AI 01.12.2025 05:00

Forschung

OpenCML: End-to-End-Framework für Open-World-ML – Neue Klassen schrittweise lernen

OpenCML ist ein neu entwickeltes End-to-End-Framework, das Open‑World‑Maschinelles Lernen in einer kontinuierlichen Umgebung ermöglicht. Es…

arXiv – cs.LG 26.11.2025 05:00

Finde Modelle, Firmen und Themen

Modulares kontinuierliches Lernen ohne Datenverlust dank Zero‑Leakage Routing

KI als wissenschaftlicher Partner: Forschung und Publikationen neu

CI-CBM: Interpretierbares kontinuierliches Lernen ohne Vergessen

Fehler-gesteuertes Lernen spart Energie und Speicher bei Lernprozessen

Sparse Memory Finetuning: LLMs lernen kontinuierlich ohne Vergessensrisiko

Transformer-Modelle revolutionieren Windstrukturvorhersage und digitale Zwillinge

Kontinuierliches Lernen steigert Genauigkeit bei Speiseklassifizierung

Memento‑Skills: Agenten, die Agenten bauen

Abstraktion als speichereffizienter Lernvorteil für kontinuierliches Lernen

FastODT: Baum-basiertes Framework für effizientes kontinuierliches Lernen

LCA: Lokale Klassifikatorausrichtung verbessert kontinuierliches Lernen

Mutual Assisted Learning: Neue Methode für IoT‑Datenströme

Auton Agentic AI: Neues Framework für autonome KI-Systeme

Kontinuierliches Lernen reduziert verheerendes Vergessen bei IoT-IDS

Neues Modell TRC² revolutioniert kontinuierliches Lernen in Sprachmodellen

Kontinuierliches Lernen kausaler Modelle via dynamische Prädikaten-Erfindung

Panini: Kontinuierliches Lernen im Tokenraum durch strukturierten Speicher

Multi-Head Attention verursacht Vergessens bei MoE-Transformern – Lösung reduziert Rückfall

Online‑Lernen verbessert Fehlererkennung in optischen Netzwerken um 70 %

Neurale Netze behalten Plastizität bei allmählicher Veränderung

MePo: Meta-Post-Refinement verbessert kontinuierliches Lernen ohne Wiederholung

Sparse Adapter Fusion: Parameter sparen bei kontinuierlichem NLP‑Lernen

Neues Prompt-Sharing-Framework verbessert kontinuierliches Lernen

Neues Benchmark-Tool testet Lern-, Explorations- und Scheduling-Fähigkeiten von Agenten

rSIM: LLMs durch Verstärkte Strategieeinführung zu leistungsstarken Denkmaschinen

Effizientes Spiking Neural Network lernt kontinuierlich für selbstadaptive iBMI

Agentisches KI-Framework reduziert Lagerengpässe und senkt Bestandskosten

OpenCML: End-to-End-Framework für Open-World-ML – Neue Klassen schrittweise lernen

🍪 Cookie-Einstellungen

Online‑Lernen verbessert Fehlererkennung in optischen Netzwerken um 70 %