Finde Modelle, Firmen und Themen

Ein neuer Ansatz zur Optimierung von Notfallfahrzeugen (EV) nutzt das Decision Transformer (DT), um die Durchfahrtzeit von Rettungsfahrzeug…

In der Welt der Sprachmodelle haben State‑Space‑Modelle (SSMs) bereits gezeigt, dass sie eine effiziente Alternative zu klassischen Attenti…

Eine neue Studie aus dem arXiv-Repository zeigt, wie Transformer‑Modelle die Kalibrierung von Messinstrumenten revolutionieren können. Durc…

Massenspektrometrie bleibt das zentrale Verfahren zur Identifizierung von Molekülen, doch die de‑novo‑Strukturermittlung aus Spektren ist w…

In der Welt der Sequenzmodelle bleibt die Herausforderung, feine lokale Details mit weitreichenden Abhängigkeiten zu verbinden, ohne die Re…

Forscher haben einen bahnbrechenden Ansatz für die Vorhersage von Zeitreihen vorgestellt: Baguan-TS. Dieser Transformer nutzt In‑Context‑Le…

Moderne Fahrzeuge erzeugen mit ihren elektronischen Steuergeräten (ECUs) tausende asynchroner Ereignisse, die sogenannten Diagnose‑Fehlerco…

Das neuartige Modell Mamba hat sich als vielseitiges Sequenzmodell etabliert, weil es mit geringer Rechenkomplexität arbeitet und gleichzei…

In einer neuen Studie auf arXiv wird gezeigt, wie Hybrid‑Sequenzmodelle die Stärken von Transformer‑Aufmerksamkeit und state‑space‑Modellen…

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

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

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovatives Verfahren vorgestellt, das die Generierung von neuronalen Netzwerk…

In einer kürzlich veröffentlichten Studie wird die klassische Self‑Attention‑Architektur von Sprachmodellen neu interpretiert – als probabi…

In einer bahnbrechenden Veröffentlichung auf arXiv wird ein neues Framework vorgestellt, das die latente Zustandsdarstellung einer Sequenz…

Ein neues arXiv-Preprint (2602.21546v1) präsentiert eine bahnbrechende Architektur, die das Flexible Job Shop Scheduling (FJSP) mithilfe de…

Pharmakokinetische Modelle, die auf physiologischen Prinzipien basieren, sind unverzichtbar für die moderne Arzneimittelentwicklung. Ihre b…

Das neu veröffentlichte Framework I‑TAP (In‑Context Latent Temporal‑Abstraction Planner) löst zwei zentrale Probleme des planungsbasierten…

Mit dem jüngsten Beitrag auf arXiv (2602.13550v1) wird ein innovativer Ansatz vorgestellt, der die Herausforderung der „Out-of-Support“ (Oo…

Die jüngsten Erfolge von Mamba und anderen selektiven Zustandsraummodellen haben das Interesse an Nicht‑Attention‑Architekturen für Sequenz…

In einer wegweisenden Veröffentlichung auf arXiv präsentiert das Team hinter HyperMLP einen völlig neuen Blickwinkel auf die klassische Sel…

In der Welt der langfristigen Entscheidungsfindung, die bislang vor allem durch Reinforcement Learning (RL) adressiert wurde, eröffnet ein…

Traditionelle Sequenzmodelle wie der Transformer bauen ihre Struktur auf dichten Aufmerksamkeitsgewichten auf, was zu einer quadratischen R…

Mit dem neuen Framework ReactorFold wird die Gestaltung von Kernreaktor-Kernen neu definiert. Anstatt in vorgegebenen, von Menschen festgel…

In der Welt der Sequenzmodellierung haben sich seit den klassischen rekurrenten Netzen bis hin zu modernen Transformers und State‑Space‑Mod…

Die jüngste Veröffentlichung auf arXiv zeigt, dass das hochmoderne Modell Boltz-2, ursprünglich für die Vorhersage von Protein‑Ligand‑Bindu…

Google Research präsentiert Titans und MIRAS als neue Ansätze, um Sequenzmodellen eine nutzbare Langzeit‑Speicherfunktion zu verleihen, ohn…

In einer wegweisenden Veröffentlichung auf arXiv wird gezeigt, wie Deep Switching State‑Space Models in Kombination mit Adaptive Conformal…

In einer neuen Studie wird ein innovativer Ansatz vorgestellt, der das Online-Lernen von kategorischen Merkmalen in Streaming-Daten revolut…