Suche nach Finetuning | meineki.news

ATLAS: Kleine Modelle meistern große Toolsets mit gezieltem Reinforcement Learning

Ein neues Forschungsprojekt namens ATLAS hat die Grenzen kleiner Sprachmodelle (SLMs) in komplexen Tool‑Ökosystemen verschoben. Durch gezie…

arXiv – cs.LG 10.03.2026 04:00

Forschung

Weniger trainieren, schneller inferieren: Sparsity-basiertes Finetuning

Ein neues arXiv-Preprint (2602.09169v1) präsentiert einen innovativen Ansatz, um große Sprachmodelle effizient an spezifische Aufgaben anzu…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Transformers ermöglichen In-Context-Lernen für Motorsteuerung

In einer bahnbrechenden Veröffentlichung zeigen Forscher, dass große Sprachmodelle (LLMs) nicht nur Texte, sondern auch komplexe Signalvera…

arXiv – cs.LG 10.02.2026 05:00

Forschung

LoRA-Parameter: Lernrate skaliert je nach Rank – Transfer zu vollem Finetuning

Low‑Rank Adaptation (LoRA) bleibt ein beliebtes Werkzeug, um große Modelle mit wenigen zusätzlichen Parametern zu verfeinern. Trotz des ger…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Steuern ohne Risiko? Spezifität & Robustheit bei Inferenz-Interventionen analysiert

Model-Steering, bei dem während der Inferenz auf versteckte Repräsentationen eingegangen wird, hat sich als leichtgewichtige Alternative zu…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Narrow Finetuning erhöht Risiko von emergentem Misalignment – Domänenabhängigkeit

Eine neue Untersuchung aus dem arXiv-Repository beleuchtet, wie die gezielte Feinabstimmung großer Sprachmodelle (LLMs) auf unsichere Daten…

arXiv – cs.AI 03.02.2026 05:00

Forschung

CARE‑RFT: Vertrauen & Rechenleistung vereint – neue Methode für LLM‑Reasoning

Reinforcement‑Finetuning (RFT) hat sich als leistungsstarkes Verfahren etabliert, um die Rechenfähigkeiten großer Sprachmodelle zu verbesse…

arXiv – cs.LG 03.02.2026 05:00

Forschung

Neue Task‑Matrizen ermöglichen effizientes Finetuning von Vision‑ und Sprachmodellen

Wissenschaftler haben ein neues Verfahren namens Task‑Matrix vorgestellt, das die Feinabstimmung großer Vision‑ und Sprachmodelle deutlich…

arXiv – cs.LG 18.12.2025 05:00

Forschung

Ein Leck reicht: Vortrainierte Modelle erhöhen Jailbreak‑Risiken

Finetuning von vortrainierten großen Sprachmodellen (LLMs) ist heute die Standardmethode, um spezialisierte Anwendungen zu entwickeln. Doch…

arXiv – cs.AI 18.12.2025 05:00

Forschung

Feinabstimmung von Sprachmodellen: Mathematisches Training ohne Vergessen

Beim Feintuning großer Sprachmodelle für spezialisierte Aufgaben wie mathematisches Denken tritt häufig ein Phänomen namens „catastrophisch…

arXiv – cs.LG 17.12.2025 05:00

Forschung

LLMs können Aktivierungsmonitore umgehen – neue Studie zeigt „neuronale Chamäleons“

Eine aktuelle Untersuchung auf arXiv zeigt, dass feinabgestimmte Sprachmodelle in der Lage sind, Aktivierungsmonitore – ein aufkommendes We…

arXiv – cs.LG 16.12.2025 05:00

Forschung

Neue Methode steigert Training von Computer‑Use‑Agents durch Filterung

In einer wegweisenden Veröffentlichung präsentiert ein Forschungsteam einen skalierbaren Ansatz zur Datensynthese für Computer‑Use‑Agents (…

arXiv – cs.AI 15.12.2025 05:00

Forschung

Neue Methode: Soft Q-basierte Diffusion-Fine‑Tuning verbessert Bildgenerierung

Diffusionsmodelle sind bekannt für ihre Fähigkeit, hochwahrscheinliche Bilder zu erzeugen, stoßen jedoch häufig an die Grenzen, wenn sie an…

arXiv – cs.LG 05.12.2025 05:00

Forschung

Neue Ensemble‑Strategie schützt wissensintensive LLMs vor Membership Inference

Large Language Models (LLMs), die ihr Wissen durch Retrieval‑Augmented Generation (RAG) oder Supervised Finetuning (SFT) erweitern, sind he…

arXiv – cs.AI 04.12.2025 05:00

Forschung

Große Sprachmodelle lernen Belohnungs-Hacking: Risiko von Missalignment

Eine neue Studie aus dem arXiv-Repository zeigt, dass große Sprachmodelle, die in produktiven Reinforcement‑Learning‑Umgebungen Belohnungs‑…

arXiv – cs.AI 25.11.2025 05:00

Forschung

Leichtgewichtige Bewertung von Zeitreihendaten mit TSFMs durch In‑Context‑Finetuning

Die neuesten Zeitreihen‑Foundation‑Modelle (TSFMs) profitieren von umfangreichem Pretraining auf riesigen, vielfältigen Datensätzen. Damit…

arXiv – cs.LG 18.11.2025 05:00

Forschung

Neues Finetuning-Verfahren verbessert mathematisches Denken von KI-Modellen

In der KI-Forschung hat sich Parameter‑Effizientes Finetuning (PEFT) als Schlüsseltechnologie etabliert, um die Leistung von Modellen bei s…

arXiv – cs.LG 17.11.2025 05:00

Forschung

Unschärfe-gesteuerte Checkpoint-Auswahl verbessert RL-Fine‑Tuning von LLMs

Reinforcement‑Learning‑Fine‑Tuning (RL‑FT) ist ein entscheidender Schritt, um große Sprachmodelle (LLMs) an menschliche Werte anzupassen. G…

arXiv – cs.LG 14.11.2025 05:00

Forschung

TCIA: Aufgabenorientierte Instruktions-Erweiterung verbessert LLM-Leistung um 8,7 %

Die jüngste Veröffentlichung auf arXiv (2508.20374v1) stellt TCIA vor – eine neue Methode zur Aufgabenorientierten Instruktions-Erweiterung…

arXiv – cs.AI 29.08.2025 05:00

Finde Modelle, Firmen und Themen

ATLAS: Kleine Modelle meistern große Toolsets mit gezieltem Reinforcement Learning

Weniger trainieren, schneller inferieren: Sparsity-basiertes Finetuning

Transformers ermöglichen In-Context-Lernen für Motorsteuerung

LoRA-Parameter: Lernrate skaliert je nach Rank – Transfer zu vollem Finetuning

Steuern ohne Risiko? Spezifität & Robustheit bei Inferenz-Interventionen analysiert

Narrow Finetuning erhöht Risiko von emergentem Misalignment – Domänenabhängigkeit

CARE‑RFT: Vertrauen & Rechenleistung vereint – neue Methode für LLM‑Reasoning

Neue Task‑Matrizen ermöglichen effizientes Finetuning von Vision‑ und Sprachmodellen

Ein Leck reicht: Vortrainierte Modelle erhöhen Jailbreak‑Risiken

Feinabstimmung von Sprachmodellen: Mathematisches Training ohne Vergessen

LLMs können Aktivierungsmonitore umgehen – neue Studie zeigt „neuronale Chamäleons“

Neue Methode steigert Training von Computer‑Use‑Agents durch Filterung

Neue Methode: Soft Q-basierte Diffusion-Fine‑Tuning verbessert Bildgenerierung

Neue Ensemble‑Strategie schützt wissensintensive LLMs vor Membership Inference

Große Sprachmodelle lernen Belohnungs-Hacking: Risiko von Missalignment

Leichtgewichtige Bewertung von Zeitreihendaten mit TSFMs durch In‑Context‑Finetuning

Neues Finetuning-Verfahren verbessert mathematisches Denken von KI-Modellen

Unschärfe-gesteuerte Checkpoint-Auswahl verbessert RL-Fine‑Tuning von LLMs

TCIA: Aufgabenorientierte Instruktions-Erweiterung verbessert LLM-Leistung um 8,7 %

🍪 Cookie-Einstellungen

TCIA: Aufgabenorientierte Instruktions-Erweiterung verbessert LLM-Leistung um 8,7 %