meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

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

Ergebnisse für “DIC”
Forschung

Neural Navigation in dichten Menschenmengen: Zero-Shot-Dichtegeneralisierung Eine neue Reinforcement‑Learning‑Methode ermöglicht es Robotern, sich sicher durch stark bevölkerte Räume zu bewegen, ohne dabei einzufrieren oder Kollisionen zu riskieren. Das System nutzt eine dichteinvariante Beobachtungscodierung, die die K‑nächsten Personen und kompakte Menschenmengen‑Zusammenfassungen enthält, sodass die Eingangsstatistiken unabhängig von der Gruppengröße stabil bleiben. Durch gezieltes Training mit 11 bis

arXiv – cs.LG
Forschung

<p>Selbstlernende Medizinagenten verbessern Bilddiagnostik durch Erfahrung</p> <p>In einer kürzlich veröffentlichten Studie auf arXiv wird ein neues System namens MACRO vorgestellt, das die Art und Weise revolutioniert, wie KI-gestützte Agenten medizinische Bilddaten interpretieren. Während herkömmliche Large‑Language‑Modelle (LLM) ihre Tool‑Ketten nach dem Deployment festlegen und damit bei Änderungen im klinischen Umfeld schnell an Genauigkeit verlieren, lernt MACRO kontinuierlich aus vergangenen Ausführu
arXiv – cs.AI
Forschung

The third generation of artificial intelligence (AI) is the AI that is capable of understanding and interpreting the world in order to make decisions and solve problems. It is able to solve complex tasks that have previously been performed by humans, and it can improve itself by learning from its mistakes. The third generation of AI is the AI that is capable of understanding and interpreting the world in order to make decisions and solve problems. It is able to solve complex tasks that have previously been

arXiv – cs.LG
Forschung

<h1>LLMs schätzen Schwierigkeitsgrad von Visualisierungsfragen – GPT‑4.1 Modell</h1> <p>Ein neues Forschungsprojekt auf arXiv untersucht, wie große Sprachmodelle (LLMs) die Schwierigkeit von Fragen zur Datenvisualisierung vorhersagen können. Dabei wird speziell das Modell GPT‑4.1‑nano eingesetzt, um aus dem Text der Frage, den Antwortoptionen und dem zugehörigen Bild Informationen zu extrahieren und daraus die Erfolgsquote bei US‑Erwachsenen zu schätzen.</p> <p>Die Studie vergleicht drei unterschiedliche Fe
arXiv – cs.AI
Forschung

<p>LLMs meistern Mehrstufige Theoremvorhersage dank struktureller Priors</p> <p>In der automatisierten Beweistechnik stellt die Vorhersage von mehrstufigen Theoremen eine zentrale Herausforderung dar. Traditionelle neuronale‑symbolische Ansätze setzen stark auf überwachungsbasierte, parametrisierte Modelle, die jedoch bei sich wandelnden Theorem-Bibliotheken nur begrenzte Generalisierung zeigen. In einer neuen Studie wird ein komplett trainingsfreier Ansatz vorgestellt, der auf In‑Context‑Learning (ICL) bas
arXiv – cs.AI