Suche nach Speicheranforderungen

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

Ein neuer Beitrag auf arXiv stellt ein innovatives Modell vor, das die Rekonstruktion großer Wellenfelder deutlich beschleunigt und gleichz…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Zero-Order Optimierung für LLM-Fine-Tuning: Lernbare Richtungsabtastung

Das Feintuning großer vortrainierter Sprachmodelle (LLMs) ist ein zentraler Baustein moderner NLP-Anwendungen, doch die damit einhergehende…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Neuer Swin-Transformer simuliert 3D-Turbulenz mit physikalischer Präzision

Die genaue Simulation turbulenter Strömungen ist für Forschung und Technik unverzichtbar. Während die direkte numerische Simulation (DNS) d…

arXiv – cs.AI 12.02.2026 05:00

Forschung

SpecAttn: Schnellere LLM‑Inferenz mit sparsamer Attention und Selbst‑Spekulation

Die Inferenz von großen Sprachmodellen mit langen Kontexten ist heute Standard, doch sie wird stark durch die wachsenden Speicheranforderun…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Online‑Vektorquantisierte Aufmerksamkeit: Effizienter als klassische Self‑Attention

Ein neues Verfahren namens Online‑Vector‑Quantized (OVQ) Attention wurde vorgestellt, das die Schwächen herkömmlicher Self‑Attention‑Modell…

arXiv – cs.LG 05.02.2026 05:00

Forschung

D²Quant: Präzise Low-Bit-Quantisierung von LLMs ohne Genauigkeitsverlust

Die neuesten Fortschritte in großen Sprachmodellen (LLMs) liefern beeindruckende Leistungen, doch ihre hohen Rechen- und Speicheranforderun…

arXiv – cs.LG 04.02.2026 05:00

Forschung

<p>Symbolische Übergangsmechanik: Effiziente Zeitreihen‑Vorhersage mit Sprachmodellen</p> <p>Große Sprachmodelle haben in der Zeitreihenprognose beeindruckende Ergebnisse erzielt, doch ihre hohen Rechen- und Speicheranforderungen erschweren den Einsatz auf leichten Plattformen. Das neue Symbolic Transition Mechanism (STM) bietet hierfür eine Lösung: Es wandelt kontinuierliche Zeitreihenwerte mithilfe quantitativer Techniken, die auf menschlichen kognitiven Strukturen basieren, in Symbol‑Tokens um. Durch str

arXiv – cs.LG 03.02.2026 05:00

Forschung

DP-$\lambda$CGD: Effiziente Rauschkorrelation für privates Modelltraining

Ein neuer Ansatz namens DP-$\lambda$CGD verspricht, die Genauigkeit von Differentially Private Stochastic Gradient Descent (DP‑SGD) zu erhö…

arXiv – cs.LG 02.02.2026 05:00

Forschung

LLEP: Schnellere, Speicherfreundlichere MoE-Modelle dank dynamischer Lastverteilung

In der Welt der großen Sprachmodelle, die auf Mixture-of-Experts (MoE) setzen, ist die effiziente Verteilung von Rechenaufgaben entscheiden…

arXiv – cs.LG 27.01.2026 05:00

Forschung

Neue Hierarchische Sparse‑Plus‑Low‑Rank‑Kompression für große Sprachmodelle

Moderne große Sprachmodelle (LLMs) belasten Speicher und Rechenleistung in einem Ausmaß, das eine gezielte Kompression unverzichtbar macht…

arXiv – cs.LG 14.01.2026 05:00

Forschung

DeMa: Dual-Path Mamba revolutioniert effiziente Analyse multivariater Zeitreihen

Die Analyse multivariater Zeitreihen (MTS) wird in immer mehr intelligenten Anwendungen unverzichtbar. Während Transformer‑Modelle bislang…

arXiv – cs.LG 12.01.2026 05:00

Produkt

Amazon Nova: Multimodale Embeddings revolutionieren die Crossmodal‑Suche

Amazon Nova hat mit seinen Multimodalen Embeddings einen Durchbruch in der Crossmodal‑Suche erzielt. Durch die Kombination von Text, Bild u…

AWS – Machine Learning Blog 10.01.2026 00:06

Forschung

Neues Framework komprimiert und quantisiert PINNs für Edge-Devices

Physik-Informed Neural Networks (PINNs) haben sich als vielversprechende Methode etabliert, um partielle Differentialgleichungen (PDEs) zu…

arXiv – cs.LG 11.12.2025 05:00

Forschung

Neues Tool prognostiziert GPU-Speicherbedarf multimodaler Modelle

Ein kürzlich veröffentlichtes arXiv‑Paper (2512.07853v1) stellt ein innovatives Verfahren vor, das den Spitzen-GPU‑Speicherverbrauch von mu…

arXiv – cs.LG 10.12.2025 05:00

Aktuell

Crucial beendet Verkauf von RAM an Endverbraucher nach fast 30 Jahren

Micron, der Mutterkonzern von Crucial, hat angekündigt, dass das beliebte DIY-Upgrade-Label künftig keine RAM-Module mehr an Endverbraucher…

Ars Technica – AI 03.12.2025 19:48

Forschung

Mosaic Pruning: Neues Verfahren für vielseitiges Pruning von Mixture-of-Experts

Die Sparse Mixture-of-Experts (SMoE) Architektur hat die Skalierung großer Sprachmodelle revolutioniert, indem sie nur einen Bruchteil der…

arXiv – cs.LG 26.11.2025 05:00

Forschung

EcoSpa: Effizientes Transformer‑Training durch gekoppelte Sparsität

Transformers bilden heute das Rückgrat moderner KI‑Modelle, doch ihre enormen Rechen- und Speicheranforderungen stellen Systeme vor große H…

arXiv – cs.LG 18.11.2025 05:00

Forschung

OpenTSLM: Sprachmodell für Zeitreihen revolutioniert medizinische Datenanalyse

Ein neues Forschungsprojekt namens OpenTSLM präsentiert eine Familie von Time‑Series Language Models (TSLMs), die multimodale Zeitreihen di…

arXiv – cs.LG 06.10.2025 05:00

Forschung

SurfaceLogicKV: Mit Aufmerksamkeitsverhalten die KV-Cache‑Kompression optimieren

Die steigende Eingabesequenzlänge in großen Sprachmodellen belastet den Key‑Value‑Cache stark. Ein neues Verfahren namens SurfaceLogicKV nu…

arXiv – cs.AI 25.08.2025 05:00

Forschung

SBGD verbessert Graph Diffusion Generative Models durch stochastische Blockdiffusion

Graph‑Diffusion‑Generative‑Modelle (GDGMs) haben sich als leistungsstarke Werkzeuge zur Erzeugung hochwertiger Graphen etabliert. Ihre brei…

arXiv – cs.LG 21.08.2025 05:00

Forschung

X-MoE: Skalierbares Training von Mixture-of-Experts auf HPC-Plattformen

Die neueste Generation von Mixture-of-Experts (MoE)-Modellen, darunter DeepSeek‑MoE, erzielt beeindruckende Ergebnisse, stößt jedoch bei de…

arXiv – cs.LG 20.08.2025 05:00

Forschung

Hardware‑optimierte Active‑Inference: 2‑fach schnell, 35 % weniger Speicher

Active Inference (AIF) gilt als leistungsstarkes Entscheidungsframework, doch seine hohen Rechen- und Speicheranforderungen erschweren die…

arXiv – cs.AI 20.08.2025 05:00

Finde Modelle, Firmen und Themen

Neues PINN-Modell beschleunigt 2D/3D-Wellenfeldrekonstruktion zehnfach

Zero-Order Optimierung für LLM-Fine-Tuning: Lernbare Richtungsabtastung

Neuer Swin-Transformer simuliert 3D-Turbulenz mit physikalischer Präzision

SpecAttn: Schnellere LLM‑Inferenz mit sparsamer Attention und Selbst‑Spekulation

Online‑Vektorquantisierte Aufmerksamkeit: Effizienter als klassische Self‑Attention

D²Quant: Präzise Low-Bit-Quantisierung von LLMs ohne Genauigkeitsverlust

DP-$\lambda$CGD: Effiziente Rauschkorrelation für privates Modelltraining

LLEP: Schnellere, Speicherfreundlichere MoE-Modelle dank dynamischer Lastverteilung

Neue Hierarchische Sparse‑Plus‑Low‑Rank‑Kompression für große Sprachmodelle

DeMa: Dual-Path Mamba revolutioniert effiziente Analyse multivariater Zeitreihen

Amazon Nova: Multimodale Embeddings revolutionieren die Crossmodal‑Suche

Neues Framework komprimiert und quantisiert PINNs für Edge-Devices

Neues Tool prognostiziert GPU-Speicherbedarf multimodaler Modelle

Crucial beendet Verkauf von RAM an Endverbraucher nach fast 30 Jahren

Mosaic Pruning: Neues Verfahren für vielseitiges Pruning von Mixture-of-Experts

EcoSpa: Effizientes Transformer‑Training durch gekoppelte Sparsität

OpenTSLM: Sprachmodell für Zeitreihen revolutioniert medizinische Datenanalyse

SurfaceLogicKV: Mit Aufmerksamkeitsverhalten die KV-Cache‑Kompression optimieren

SBGD verbessert Graph Diffusion Generative Models durch stochastische Blockdiffusion

X-MoE: Skalierbares Training von Mixture-of-Experts auf HPC-Plattformen

Hardware‑optimierte Active‑Inference: 2‑fach schnell, 35 % weniger Speicher

🍪 Cookie-Einstellungen

Hardware‑optimierte Active‑Inference: 2‑fach schnell, 35 % weniger Speicher