Finde Modelle, Firmen und Themen

Forscher haben ein neues Verfahren vorgestellt, das die Stabilität von Reinforcement Learning in Diffusions-Sprachmodellen deutlich verbess…

Ein neues Forschungsprojekt liefert einen robusten Rahmen zur Erkennung von Finanzrisiken in Enterprise‑Resource‑Planning‑Systemen. Durch d…

Die KI-gestützte Analyse von Texten ist ein wichtiger Bestandteil der modernen Datenanalyse. Durch den Einsatz von KI-Algorithmen können Un…

Eine neue Studie aus dem arXiv-Repository liefert erstmals umfassende empirische Daten zu den weltweiten Einstellungen gegenüber der kultur…

Infrarot‑Spektroskopie liefert chemischen Fachleuten entscheidende Einblicke in die Struktur von Molekülen. Traditionelle Methoden zur Rück…

In der Welt des Reinforcement Learning haben sich Methoden wie RLVR und Rubrics as Rewards (RaR) als besonders wirkungsvoll erwiesen, wenn…

In der Welt der großen Sprachmodelle (LLMs) eröffnet federiertes Feintuning die Möglichkeit, Modelle über verteilte Clients hinweg gemeinsa…

Schlafapnoe betrifft weltweit fast ein Milliarden Menschen und erhöht das Risiko für Herz-Kreislauf-Erkrankungen erheblich. Die klassische…

Eine neue Methode namens Count Bridges, vorgestellt auf arXiv, bietet ein genaues und handhabbares Pendant zu Diffusionsmodellen – jedoch s…

Ein neues arXiv‑Paper präsentiert das MMAI Gym for Science, ein umfassendes Toolkit, das große Sprachmodelle gezielt auf die Sprache der Mo…

Eine neue Architektur für Transformer‑Modelle, die sowohl Sätze als auch strukturierte Daten gleichzeitig trainiert, wurde vorgestellt. Das…

In der Welt der großen Sprachmodelle hat die Technik des Test‑Time‑Scalings die Genauigkeit von Vorhersagen deutlich gesteigert, indem mehr…

In der Analyse klinischer Tabellendaten übertreffen klassische Modelle mit gezielter Feature Engineering häufig neuronale Netzwerke. Durch…

Reinforcement‑Learning‑Modelle, die auf Group Relative Policy Optimization (GRPO) setzen, haben sich als effektive Methode etabliert, um di…

In einer neuen Veröffentlichung auf arXiv präsentiert HiMAC ein innovatives, hierarchisches Lernframework, das Large Language Model (LLM)-A…

Forscher haben einen neuen Ansatz vorgestellt, mit dem Belohnungsmodelle ohne menschliche Annotationen skaliert werden können. Durch das Tr…

In einer neuen Studie von Forschern der arXiv-Preprint‑Serie wird untersucht, wie ein sozialer Planer Menschen dabei unterstützen kann, bes…

Meta‑Reinforcement‑Learning (Meta‑RL) generalisiert bislang meist über die Glattheit der Aufgabenkodierung. Diese Strategie erfordert eine…

Polysomnographie (PSG) gilt als Goldstandard zur Schlafbewertung, leidet jedoch unter großer Heterogenität der Messgeräte und Probandengrup…

In der medizinischen Forschung gewinnt die Integration von Informationen aus vielen unterschiedlichen Modalitäten immer mehr an Bedeutung…

In einer wegweisenden Studie wurde ein Machine‑Learning‑Framework entwickelt, das klinische Studien bereits vor ihrem Start auf das Risiko…

Ein neues arXiv‑Veröffentlichungsdokument (2602.22287v1) präsentiert einen innovativen Ansatz zur Analyse von kausalen Modellen. Während kl…

Eine neue Veröffentlichung auf arXiv präsentiert einen innovativen Ansatz zur Bewertung von Sprachmodellen, der die üblichen Ranglisten übe…

Die neueste Veröffentlichung von Forschern auf arXiv präsentiert GOPO – Group Orthogonalized Policy Optimization – einen völlig neuen Ansat…

In einer neuen Studie von Forschern aus dem Bereich der künstlichen Intelligenz wird gezeigt, dass nicht nur die Aufgabe selbst, sondern au…

In der KI- und Neurowissenschaftsforschung gilt es, zu verstehen, wie neuronale Systeme Repräsentationen lernen, die die zugrunde liegenden…

Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) hat sich als zentrales Lernparadigma etabliert, um die Denkfähigkeiten multim…

Die Universal Approximation Theorem besagt, dass neuronale Netze beliebige stetige Funktionen auf kompakten Mengen approximieren können. In…