Suche nach DRAFT | meineki.news

Neue Methode DRAFT verbessert Sicherheit von Tool‑nutzenden LLM-Agenten

Mit dem Aufkommen von LLM‑Agenten, die externe Werkzeuge einsetzen, verschiebt sich die Sicherheitsüberwachung von der bloßen Ausgabe‑Moder…

arXiv – cs.LG 07.04.2026 04:00

Forschung

DRiffusion: Draft-and-Refine-Prozess beschleunigt Diffusionsmodelle mühelos

Die neue Methode DRiffusion beschleunigt die bislang langsamen Diffusionsmodelle, indem sie deren Sampling in einem Draft‑and‑Refine‑Prozes…

arXiv – cs.LG 30.03.2026 04:00

Forschung

KI-gestützte Radiologieberichte: Retrieval‑gestützte, verlässliche Impressions

In einer neuen Studie wird ein KI‑System vorgestellt, das Radiologie‑Impressions für Röntgenaufnahmen zuverlässig und nachvollziehbar erste…

arXiv – cs.AI 23.03.2026 04:00

Forschung

Ambient AI: Kliniker optimieren Entwürfe, um Sprache zu standardisieren

Ambient‑AI‑Systeme erstellen aus Patient‑Kliniker‑Gesprächen Entwürfe für klinische Notizen. Dabei greifen sie häufig auf Alltagssprache zu…

arXiv – cs.AI 20.03.2026 04:00

Forschung

Draft-and-Prune: Zuverlässigkeit der Auto-Formalisation für logisches Schließen

Auto-Formalisation (AF) wandelt natürliche Sprachaufgaben in solver‑ausführbare Programme um und ermöglicht symbolischen Solver:innen, logi…

arXiv – cs.AI 19.03.2026 04:00

Forschung

OnlineSpec: Spekulative Dekodierung trifft Online‑Lernen – 24 % schnellere Modelle

Spekulatives Dekodieren hat sich als beliebtes Verfahren etabliert, um die Inferenz großer Sprachmodelle zu beschleunigen. Dabei erzeugt ei…

arXiv – cs.LG 16.03.2026 04:00

Forschung

Graphbasierte Modelle verbessern NBA-Gehaltsprognosen

Ein neues arXiv‑Preprint (2603.05671v1) zeigt, dass die Einbindung von Graph‑Embeddings die Vorhersage von NBA‑Gehältern deutlich präziser…

arXiv – cs.LG 09.03.2026 04:00

Forschung

Neue Methode steigert Genauigkeit strukturierter LLM-Ausgaben um bis zu 24 %

Moderne Sprachmodelle werden zunehmend eingesetzt, um ausführbare Ausgaben wie JSON‑Objekte oder API‑Aufrufe zu erzeugen. Dabei kann ein ei…

arXiv – cs.AI 05.03.2026 05:00

Forschung

Draft-Thinking: Effizientes Lösen von langen Argumentationsketten in LLMs

Die Technik des „Long Chain‑of‑Thought“ (CoT) hat sich als führendes Verfahren zur Steigerung der Rechenleistung großer Sprachmodelle etabl…

arXiv – cs.AI 03.03.2026 05:00

Forschung

Neue LK-Verluste steigern Akzeptanzrate bei spekulativem Decoding von LLMs

Spekulatives Decoding beschleunigt die Inferenz von autoregressiven Sprachmodellen, indem ein leichtes Draft-Modell zunächst Kandidatentoke…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Hidden-State‑Speculation: Mehr Leistung durch Wiederverwendung von Draft‑Tokens

Forscher haben eine neue Technik entwickelt, die die Effizienz von Sprachmodellen drastisch steigert. Durch die Nutzung von „Hidden States“…

arXiv – cs.AI 26.02.2026 05:00

Forschung

DMCD: Semantisch-statistisches Framework zur kausalen Entdeckung

Ein neues Verfahren namens DMCD – DataMap Kausale Entdeckung – kombiniert die Kraft großer Sprachmodelle mit klassischen statistischen Test…

arXiv – cs.AI 25.02.2026 05:00

Forschung

KnapSpec: Layer-Auswahl als Knapsack-Problem beschleunigt LLMs

Die neue Methode KnapSpec revolutioniert die Inferenz von großen Sprachmodellen, indem sie die Auswahl der zu überspringenden Layer als Kna…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neuer Ansatz: Verzögerte Baumausdehnung beschleunigt spekulatives Decodieren

Ein neuer Beitrag auf arXiv präsentiert einen systematischen Vergleich von Verifikationsstrategien für Multi‑Path‑Speculative Decoding. Dab…

arXiv – cs.LG 20.02.2026 05:00

Forschung

MoE‑Spec: Expertenbudgetierung steigert Effizienz von spekulativem Decoding

Die neueste Veröffentlichung auf arXiv (2602.16052v1) präsentiert MoE‑Spec, eine innovative Methode zur Optimierung des spekulativen Decodi…

arXiv – cs.LG 19.02.2026 05:00

Forschung

SpecAttn: Schnellere LLM‑Inferenz mit sparsamer Attention und Selbst‑Spekulation

Die Inferenz von großen Sprachmodellen mit langen Kontexten ist heute Standard, doch sie wird stark durch die wachsenden Speicheranforderun…

arXiv – cs.LG 10.02.2026 05:00

Forschung

AgentCPM-Report: Leichtgewichtiger, leistungsstarker lokaler Deep‑Research-Agent

In einer neuen Veröffentlichung auf arXiv (2602.06540v1) wird ein innovativer Ansatz vorgestellt, der die Erstellung tiefgehender Forschung…

arXiv – cs.AI 09.02.2026 05:00

Forschung

COVER: Schnellere Diffusion mit kontextbewusster Verifikation

Die Parallelisierung von Diffusionsmodellen kann die Inferenzgeschwindigkeit erheblich steigern, indem mehrere Tokens gleichzeitig entschlü…

arXiv – cs.AI 09.02.2026 05:00

Forschung

SDFP: Training‑freies Draft‑Modell für schnelle LLM‑Decodierung

Große Sprachmodelle (LLMs) bilden die Basis für interaktive Multimedia‑Anwendungen wie Untertitelung, Suche, Empfehlung und kreative Inhalt…

arXiv – cs.AI 06.02.2026 05:00

Forschung

Reinforcement Learning beschleunigt spekulatives Sampling bei LLMs

Die Latenz bei der Inferenz großer Sprachmodelle bleibt ein zentrales Problem für den Einsatz in der Praxis. Aktuelle spekulative Sampling‑…

arXiv – cs.LG 21.01.2026 05:00

Praxis

Tutorial: Semi‑zentrales Anemoi‑Style Multi‑Agent System ohne Manager

In dem neuen Tutorial wird demonstriert, wie ein semi‑zentrales Anemoi‑Style Multi‑Agent System funktioniert, ohne dass ein zentraler Manag…

MarkTechPost 21.01.2026 02:43

Forschung

TS-DP: Spekulatives Decoding beschleunigt Diffusion-Policy in Echtzeit

Die Diffusion Policy (DP) hat sich als leistungsstarke Methode für die Steuerung von Robotern etabliert, leidet jedoch unter hoher Inferenz…

arXiv – cs.LG 19.12.2025 05:00

Forschung

RADAR beschleunigt LLM‑Inferenz dank RL‑basierter dynamischer Entwurfsbäume

Die Ausführung moderner Large Language Models (LLMs) ist bislang teuer und langsam. Eine vielversprechende Lösung ist das sogenannte specul…

arXiv – cs.AI 17.12.2025 05:00

Forschung

RLHFSpec: Beschleunigt RLHF-Training durch adaptive Drafting-Strategien

Ein neues System namens RLHFSpec hat die Effizienz des Reinforcement Learning from Human Feedback (RLHF) drastisch verbessert. RLHF ist ein…

arXiv – cs.LG 05.12.2025 05:00

Forschung

DRAFT‑RL: Mehrweg‑Entwurf‑Logik steigert LLMs mit Reinforcement Learning

Neues Forschungspapier aus dem arXiv‑Repository (Arbeitstitel: DRAFT‑RL) präsentiert einen innovativen Ansatz, der die Leistungsfähigkeit g…

arXiv – cs.AI 26.11.2025 05:00

Forschung

NEZHA: Schnellere Generative Empfehlungen ohne Qualitätsverlust

Generative Recommendation (GR) nutzt große Sprachmodelle, um personalisierte Vorschläge zu erzeugen. Trotz ihres Potenzials sind die hohen…

arXiv – cs.AI 25.11.2025 05:00

Forschung

Optimales Multi‑Draft‑Sampling: Convex‑Optimierung für LLMs

In einer neuen Studie wird gezeigt, wie die Latenz beim Autoregressive‑Decoding von großen Sprachmodellen (LLMs) drastisch gesenkt werden k…

arXiv – cs.LG 21.11.2025 05:00

Aktuell

Trump richtet sich mit Entwurf eines Exekutivorders gegen staatliche KI-Gesetze

Der Entwurf eines Exekutivorders, der von WIRED veröffentlicht wurde, fordert das US-Justizministerium auf, gegen Bundesstaaten vorzugehen…

Wired – AI (Latest) 20.11.2025 01:50

Forschung

DAS beschleunigt RL-Training: Spekulatives Decoding nutzt Rollout-Verteilung

Reinforcement‑Learning‑Post‑Training ist heute unverzichtbar, um große Sprachmodelle (LLMs) zu verfeinern. Dabei wird die Effizienz zunehme…

arXiv – cs.LG 19.11.2025 05:00

Forschung

MoE‑SpeQ: Spekulatives Quantisierung‑Decoding mit proaktivem Expert‑Prefetching

Die neuesten Mixture‑of‑Experts‑Modelle fordern enorme Speicherressourcen, die oft die Kapazität eines einzelnen Beschleunigers sprengen. T…

arXiv – cs.LG 19.11.2025 05:00

Finde Modelle, Firmen und Themen

Neue Methode DRAFT verbessert Sicherheit von Tool‑nutzenden LLM-Agenten

DRiffusion: Draft-and-Refine-Prozess beschleunigt Diffusionsmodelle mühelos

KI-gestützte Radiologieberichte: Retrieval‑gestützte, verlässliche Impressions

Ambient AI: Kliniker optimieren Entwürfe, um Sprache zu standardisieren

Draft-and-Prune: Zuverlässigkeit der Auto-Formalisation für logisches Schließen

OnlineSpec: Spekulative Dekodierung trifft Online‑Lernen – 24 % schnellere Modelle

Graphbasierte Modelle verbessern NBA-Gehaltsprognosen

Neue Methode steigert Genauigkeit strukturierter LLM-Ausgaben um bis zu 24 %

Draft-Thinking: Effizientes Lösen von langen Argumentationsketten in LLMs

Neue LK-Verluste steigern Akzeptanzrate bei spekulativem Decoding von LLMs

Hidden-State‑Speculation: Mehr Leistung durch Wiederverwendung von Draft‑Tokens

DMCD: Semantisch-statistisches Framework zur kausalen Entdeckung

KnapSpec: Layer-Auswahl als Knapsack-Problem beschleunigt LLMs

Neuer Ansatz: Verzögerte Baumausdehnung beschleunigt spekulatives Decodieren

MoE‑Spec: Expertenbudgetierung steigert Effizienz von spekulativem Decoding

SpecAttn: Schnellere LLM‑Inferenz mit sparsamer Attention und Selbst‑Spekulation

AgentCPM-Report: Leichtgewichtiger, leistungsstarker lokaler Deep‑Research-Agent

COVER: Schnellere Diffusion mit kontextbewusster Verifikation

SDFP: Training‑freies Draft‑Modell für schnelle LLM‑Decodierung

Reinforcement Learning beschleunigt spekulatives Sampling bei LLMs

Tutorial: Semi‑zentrales Anemoi‑Style Multi‑Agent System ohne Manager

TS-DP: Spekulatives Decoding beschleunigt Diffusion-Policy in Echtzeit

RADAR beschleunigt LLM‑Inferenz dank RL‑basierter dynamischer Entwurfsbäume

RLHFSpec: Beschleunigt RLHF-Training durch adaptive Drafting-Strategien

DRAFT‑RL: Mehrweg‑Entwurf‑Logik steigert LLMs mit Reinforcement Learning

NEZHA: Schnellere Generative Empfehlungen ohne Qualitätsverlust

Optimales Multi‑Draft‑Sampling: Convex‑Optimierung für LLMs

Trump richtet sich mit Entwurf eines Exekutivorders gegen staatliche KI-Gesetze

DAS beschleunigt RL-Training: Spekulatives Decoding nutzt Rollout-Verteilung

MoE‑SpeQ: Spekulatives Quantisierung‑Decoding mit proaktivem Expert‑Prefetching

🍪 Cookie-Einstellungen

OnlineSpec: Spekulative Dekodierung trifft Online‑Lernen – 24 % schnellere Modelle

Neue Methode steigert Genauigkeit strukturierter LLM-Ausgaben um bis zu 24 %