Finde Modelle, Firmen und Themen

Ein neues arXiv‑Veröffentlichungsprojekt zeigt, wie Reinforcement Learning (RL) die Analyse von Stromnetz‑Flow‑Gleichungen revolutionieren…

Moderne, skalierbare Sequenzmodelle – darunter Transformer-Varianten und strukturierte Zustandsraummodelle – opfern häufig ihre Ausdruckskr…

Ein neues Forschungswerkzeug namens Score‑Guided Proximal Projection (SGPP) verspricht, die bisher schwierige Steuerung von Rectified‑Flow‑…

Plateaus – Phasen, in denen ein Agent bei PPO nicht mehr Fortschritte macht – sind ein häufiges Problem in der on‑policy‑Reinforcement‑Lear…

Ein neues Ergebnis auf arXiv (2603.06027v1) zeigt, dass das Lernen von Konzeptklassen unter Gaußschen Randverteilungen im agnostischen Mode…

Reinforcement‑Learning‑Forscher haben kürzlich gezeigt, dass Diffusionsmodelle ein vielversprechendes Mittel sind, um multimodale Handlungs…

In der Welt der großen Sprachmodelle (LLMs) ist die Stabilität beim Reinforcement Learning entscheidend. Traditionell sorgt das Clipping‑Ve…

Reinforcement‑Learning‑Systeme müssen in der Praxis mit Veränderungen in ihren Beobachtungsdaten umgehen können. Die meisten gängigen Polic…

Mit Jagarin wird das Dilemma von mobilen KI‑Agenten endlich gelöst: Sie brauchen weder ständige Hintergrundausführung, die Akku verbraucht…

Federated Learning (FL) leidet häufig unter heterogenen, nicht‑IID‑Daten und aggressiven Clients, was zu Drift, langsamer Konvergenz und ho…

Large Language Models (LLMs) sind heute unverzichtbar für die Zusammenarbeit zwischen Mensch und KI. Ein entscheidender Schritt dabei ist d…

Optimal Transport (OT) liefert den kostengünstigsten Transportplan zwischen zwei Wahrscheinlichkeitsverteilungen. Im Gegensatz zum klassisc…

In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz für Reinforcement Learning in Markov-Entscheidungsprozessen mit konti…

Ein neuer Ansatz namens Adaptive Tree Policy Optimization (ATPO) verspricht, die Qualität von medizinischen Dialogen deutlich zu verbessern…

In einer neuen Veröffentlichung auf arXiv wird ein rigoroses Konzept vorgestellt, das neuronale Operatoren erweitert, um Eingabefunktionen…

Wissenschaftler haben gezeigt, dass große Sprachmodelle (LLMs), die mit externem Lese‑/Schreib‑Speicher kombiniert werden, ein rechnerisch…

Ein neues arXiv-Papier (2603.00312v1) präsentiert einen innovativen Ansatz zur Bewertung der Denkprozesse multimodaler Sprachmodelle bei de…

Forscher haben einen bahnbrechenden Ansatz entwickelt, um den Spektralen Energiegewinn in extrem komprimierten Sprachmodellen zu maximieren…

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

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Ansatz für das personalisierte Multi-Agenten‑Average‑Reward‑TD‑Ler…

Deep Reinforcement Learning hat in den letzten Jahren komplexe Entscheidungsaufgaben erfolgreich gelöst. In vielen realen Szenarien stehen…

Generative Flow Networks (GFlowNets) ermöglichen es, große Sprachmodelle so zu feintunen, dass sie belohnungsproportionale Posteriorverteil…

In diesem Tutorial wird eine Produktionspipeline mit Vaex entworfen, die Millionen von Zeilen ohne Speicherbelastung verarbeitet. Dabei erz…

Neurale Netzwerke (DNNs) liefern beeindruckende Leistungen, sind jedoch anfällig für gezielte Störungen, die ihre Einsatzfähigkeit in siche…

Maskierte diskrete Diffusionsmodelle (MDMs) ermöglichen die gleichzeitige Erzeugung mehrerer Tokens und bieten damit eine vielversprechende…

In der Welt der Multi-Agenten‑Debatten (MAD) wird die kollektive Intelligenz genutzt, um komplexe Probleme zu lösen. Doch bisherige Ansätze…

Subadditive Mengenfunktionen sind in der rechnerischen Ökonomie, bei kombinatorischen Auktionen und in KI-Anwendungen wie interpretierbarem…

Ein neues Pretraining-Verfahren für Actor‑Critic‑Algorithmen verspricht, die Lernzeit von Robotern drastisch zu verkürzen. Die Autoren stel…

Operator-Learning verändert die wissenschaftliche Berechnung, indem es die Inferenz über unendliche Problemfamilien amortisiert. Neurale Op…

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