meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “USA”
Forschung

Monte-Carlo-Sampler verbessert Diffusionsmodelle: Neue Methode steigert Qualität Auf der Plattform arXiv wurde ein neuer Ansatz vorgestellt, der die Leistung von stochastischen Differentialgleichungsmodellen (SDE) in der bedingten Generierung deutlich verbessert. Der Beitrag beschreibt, wie ein zusätzlicher Rückwärts-Denoising-Schritt in Kombination mit Monte-Carlo-Sampling – kurz ABMS – die Genauigkeit der Gradienten für die Guidance erhöht und damit die Konsistenz der generierten Ergebnisse steigert.

arXiv – cs.LG
Aktuell

OpenAI- und Google-Mitarbeiter reichen Amicus-Brief zur Unterstützung von Anthropic <p>In einer bemerkenswerten Geste der Solidarität haben sich Mitarbeiter von OpenAI und Google zusammengeschlossen, um Anthropic in einem laufenden Rechtsstreit gegen die US-Regierung zu unterstützen. Der Amicus-Brief, der von einer Gruppe führender KI-Forscher und Ingenieure verfasst wurde, unterstreicht die Bedeutung von fairen und transparenten regulatorischen Rahmenbedingungen für die gesamte KI-Industrie.</p> <p>Anthr
Wired – AI (Latest)
Forschung

Neural Navigation in dichten Menschenmengen: Zero-Shot-Dichtegeneralisierung Eine neue Reinforcement‑Learning‑Methode ermöglicht es Robotern, sich sicher durch stark bevölkerte Räume zu bewegen, ohne dabei einzufrieren oder Kollisionen zu riskieren. Das System nutzt eine dichteinvariante Beobachtungscodierung, die die K‑nächsten Personen und kompakte Menschenmengen‑Zusammenfassungen enthält, sodass die Eingangsstatistiken unabhängig von der Gruppengröße stabil bleiben. Durch gezieltes Training mit 11 bis

arXiv – cs.LG
Forschung

<p>Annealed Co-Generation: Variablen entwirren mit schrittweiser Paarmodellierung</p> <p>Wissenschaftler haben ein neues Verfahren namens Annealed Co-Generation (ACG) vorgestellt, das die Modellierung mehrdimensionaler Daten revolutioniert. Durch die Aufteilung komplexer Zusammenhänge in Paare von Variablen wird die Rechenlast deutlich reduziert und das Problem von Datenungleichgewicht angegangen.</p> <p>Traditionelle Ansätze versuchen, sämtliche Variablen gleichzeitig zu modellieren, was zu enormen Rechena
arXiv – cs.LG