Suche nach Modellgröße

Omni-C: Ein einziger Encoder für Bild, Audio und Text

In einer bahnbrechenden Entwicklung präsentiert das Forschungsteam Omni-C, einen einzigen dichten Transformer-Encoder, der Bilder, Audio un…

arXiv – cs.AI 09.03.2026 04:00

Forschung

Transformer-Keys verkleinern: Low-Dimensional Attention spart Speicher

In einer neuen Studie wird die bisherige Symmetrie im Transformer‑Attention‑Mechanismus in Frage gestellt. Während klassische Modelle diese…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Phi-4-reasoning-vision-15B: Kompaktes Open-Weight-Modell für multimodale Logik

Das neu veröffentlichte Modell Phi‑4‑reasoning‑vision‑15B setzt einen neuen Standard für kompakte, offene multimodale Reasoning‑Modelle. Es…

arXiv – cs.AI 05.03.2026 05:00

Forschung

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

Neues Forschungsergebnis aus dem Bereich der künstlichen Intelligenz zeigt, dass große Sprachmodelle – obwohl sie auf riesigen Mengen mensc…

arXiv – cs.AI 02.03.2026 05:00

Forschung

InfoNCE erzeugt Gaussian-Struktur in kontrastiven Repräsentationen

Eine neue Untersuchung auf arXiv zeigt, dass das weit verbreitete InfoNCE‑Verlust in kontrastivem Lernen automatisch eine Gaußsche Struktur…

arXiv – cs.LG 02.03.2026 05:00

Forschung

RewardUQ: Einheitlicher Rahmen zur Unsicherheitsbewertung von Belohnungsmodellen

In der Welt der großen Sprachmodelle (LLMs) sind Belohnungsmodelle entscheidend, um die Systeme an menschliche Präferenzen anzupassen. Doch…

arXiv – cs.LG 02.03.2026 05:00

Forschung

RLHFless: Serverless‑Computing für effizientes RLHF

Reinforcement Learning from Human Feedback (RLHF) wird zunehmend eingesetzt, um große Sprachmodelle (LLM) nach dem Training an menschliche…

arXiv – cs.AI 27.02.2026 05:00

Forschung

Interleaved Head Attention: Mehr Kommunikation zwischen Attention‑Köpfen

Die Multi‑Head Attention (MHA) bildet das Herz moderner Large Language Models, doch ihre lineare Skalierung birgt ein Problem: Jeder der H…

arXiv – cs.LG 26.02.2026 05:00

Produkt

vLLM: Dutzende feinabgestimmte Modelle effizient auf SageMaker AI & Bedrock bereitstellen

Amazon SageMaker AI und Bedrock nutzen vLLM, um gleichzeitig mehrere feinabgestimmte Modelle zu betreiben. In diesem Beitrag wird erklärt…

AWS – Machine Learning Blog 25.02.2026 20:56

Forschung

AngelSlim: Kompakteres, umfassenderes und effizienteres Toolkit für große Modelle

Das neue Toolkit AngelSlim, entwickelt vom Tencent Hunyuan Team, bietet eine umfassende Lösung zur Kompression großer KI‑Modelle. Durch die…

arXiv – cs.AI 26.02.2026 05:00

Forschung

MrBERT: Encoder mit gezielter Anpassung für Sprache und Domäne

Die neueste Veröffentlichung von MrBERT präsentiert eine Familie von mehrsprachigen Encodern, die zwischen 150 Mio. und 300 Mio. Parametern…

arXiv – cs.AI 26.02.2026 05:00

Forschung

ESM: Revolutionäres Modell-Merging ohne Interferenz

In der KI-Welt steht das Zusammenführen mehrerer, auf spezifische Aufgaben abgestimmter Modelle – ohne zusätzliche Trainingsschritte – seit…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Bayessche Lotterie-Ticket-Hypothese: Sparsame Netzwerke in BNNs

Bayessche neuronale Netzwerke (BNNs) ermöglichen eine robuste Unsicherheitsquantifizierung, erfordern jedoch deutlich mehr Rechenleistung a…

arXiv – cs.LG 24.02.2026 05:00

Forschung

LATMiX: Lernbare Affine-Transformationen für die Microskalierung von LLMs

Die Post‑Training‑Quantisierung (PTQ) bleibt ein zentraler Ansatz, um die Speicher‑ und Rechenkosten großer Sprachmodelle drastisch zu senk…

arXiv – cs.LG 23.02.2026 05:00

Forschung

MantisV2 schließt Zero-Shot-Lücke in Zeitreihenklassifikation

Ein neues Modell namens MantisV2 setzt einen Meilenstein in der Klassifikation von Zeitreihen. Durch die Kombination synthetisch generierte…

arXiv – cs.AI 23.02.2026 05:00

Forschung

RFEval: Benchmark zur Messung der Glaubwürdigkeit von KI-Argumenten

Neues Forschungswerkzeug namens RFEval prüft, ob die Argumente großer KI-Modelle wirklich ihre Entscheidungen erklären oder nur überzeugend…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Texo: Formel-Erkennung mit 20 Mio. Parametern – Echtzeit-Performance

Texo, das neue Modell zur Formel-Erkennung, überzeugt mit nur 20 Millionen Parametern – ein Meilenstein in der Kompaktheit von KI-Systemen…

arXiv – cs.AI 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

Neuralnetz zeigen universell Repräsentationskollaps und Top‑Down‑Umstrukturierung

Eine neue Untersuchung auf arXiv beleuchtet die bislang undurchsichtige Mechanik, mit der neuronale Netzwerke während des Trainings neue Fä…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Neue unbekannte Nutzerpersönlichkeiten für realistische Dialogsimulation entdeckt

Eine kürzlich veröffentlichte Arbeit auf arXiv beleuchtet ein zentrales Problem in der Simulation von Benutzern: Oft fehlen die relevanten…

arXiv – cs.AI 19.02.2026 05:00

Forschung

Obj-Disco: Automatisches Aufdecken versteckter Ziele in Sprachmodellen

Ein neues Verfahren namens Obj‑Disco ermöglicht es, die verborgenen Motivationen hinter den Belohnungsfunktionen von großen Sprachmodellen…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Neue Methode quantifiziert die Konstruktvalidität von LLM-Benchmarks

In der Welt der großen Sprachmodelle (LLMs) werden Benchmark-Ergebnisse häufig als direkte Messgröße für die generelle Leistungsfähigkeit d…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Neues MLLM-Framework ermöglicht autonome GUI-Navigation ohne hohe Datenkosten

Durch die jüngsten Fortschritte multimodaler Large Language Models (MLLMs) haben autonome Agenten für grafische Benutzeroberflächen (GUI) e…

arXiv – cs.AI 17.02.2026 05:00

Forschung

Maskierte Rekonstruktions-Transformer zeigen Skalierung in Einzelzell-Genomik

Neutrale Skalierungsgesetze, die bisher vor allem in der Sprach- und Bildverarbeitung bekannt waren, haben nun ihre Relevanz in der Einzelz…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Neues Modell sleep2vec vereint nächtliche Biosignale trotz Gerätediversität

In der Schlafmedizin und klinischen Diagnostik werden bislang verschiedene Geräte – von Polysomnographien über stationäre Monitore bis hin…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Code generiert schneller als Reinforcement Learning – Lernbarkeit entscheidet

Eine neue Analyse auf arXiv beleuchtet, warum die automatische Code‑Generierung schneller voranschreitet als Reinforcement‑Learning‑Ansätze…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Intelligenz als trajektorielle Pareto-Optimierung: Neue Einsichten In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein radikaler Blickwinkel auf die Grenzen künstlicher Intelligenz vorgestellt. Der Autor argumentiert, dass die häufig beobachtete Stagnation bei langfristiger Anpassungsfähigkeit nicht primär an fehlenden Daten, Lernkapazität oder Modellgröße liegt, sondern an einer tiefgreifenden strukturellen Eigenschaft der Optimierung über die Zeit. Die zentrale Idee ist, Intellig

arXiv – cs.AI 17.02.2026 05:00

Forschung

Wie Pretraining die Leistung von Sprachmodellen beim Feintuning beeinflusst

Die Frage, wie sich die Fähigkeiten eines Sprachmodells von der reinen Vortrainingsphase in das gezielte Feintuning übertragen lassen, ist…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Meta-Erfahrung in LLMs: Neue Lernmethode steigert Reinforcement Learning

Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) hat sich als wirkungsvolle Technik zur Verbesserung der Denkfähigkeiten große…

arXiv – cs.AI 12.02.2026 05:00

Aktuell

OpenAI: Spark-Modell 15‑fach schneller als GPT‑5.3‑Codex – mit Einschränkungen

OpenAI hat sein neuestes Modell Spark vorgestellt, das laut Hersteller 15‑mal schneller als der Vorgänger GPT‑5.3‑Codex beim Schreiben von…

ZDNet – Artificial Intelligence 12.02.2026 18:01

Finde Modelle, Firmen und Themen

Omni-C: Ein einziger Encoder für Bild, Audio und Text

Transformer-Keys verkleinern: Low-Dimensional Attention spart Speicher

Phi-4-reasoning-vision-15B: Kompaktes Open-Weight-Modell für multimodale Logik

LLMs bleiben trotz Skalierung fehleranfällig: Menschliche Anleitung als Engpass

InfoNCE erzeugt Gaussian-Struktur in kontrastiven Repräsentationen

RewardUQ: Einheitlicher Rahmen zur Unsicherheitsbewertung von Belohnungsmodellen

RLHFless: Serverless‑Computing für effizientes RLHF

Interleaved Head Attention: Mehr Kommunikation zwischen Attention‑Köpfen

vLLM: Dutzende feinabgestimmte Modelle effizient auf SageMaker AI & Bedrock bereitstellen

AngelSlim: Kompakteres, umfassenderes und effizienteres Toolkit für große Modelle

MrBERT: Encoder mit gezielter Anpassung für Sprache und Domäne

ESM: Revolutionäres Modell-Merging ohne Interferenz

Bayessche Lotterie-Ticket-Hypothese: Sparsame Netzwerke in BNNs

LATMiX: Lernbare Affine-Transformationen für die Microskalierung von LLMs

MantisV2 schließt Zero-Shot-Lücke in Zeitreihenklassifikation

RFEval: Benchmark zur Messung der Glaubwürdigkeit von KI-Argumenten

Texo: Formel-Erkennung mit 20 Mio. Parametern – Echtzeit-Performance

MoE‑Spec: Expertenbudgetierung steigert Effizienz von spekulativem Decoding

Neuralnetz zeigen universell Repräsentationskollaps und Top‑Down‑Umstrukturierung

Neue unbekannte Nutzerpersönlichkeiten für realistische Dialogsimulation entdeckt

Obj-Disco: Automatisches Aufdecken versteckter Ziele in Sprachmodellen

Neue Methode quantifiziert die Konstruktvalidität von LLM-Benchmarks

Neues MLLM-Framework ermöglicht autonome GUI-Navigation ohne hohe Datenkosten

Maskierte Rekonstruktions-Transformer zeigen Skalierung in Einzelzell-Genomik

Neues Modell sleep2vec vereint nächtliche Biosignale trotz Gerätediversität

Code generiert schneller als Reinforcement Learning – Lernbarkeit entscheidet

Wie Pretraining die Leistung von Sprachmodellen beim Feintuning beeinflusst

Meta-Erfahrung in LLMs: Neue Lernmethode steigert Reinforcement Learning

OpenAI: Spark-Modell 15‑fach schneller als GPT‑5.3‑Codex – mit Einschränkungen

🍪 Cookie-Einstellungen

Texo: Formel-Erkennung mit 20 Mio. Parametern – Echtzeit-Performance