MIT Technology Review
Materialinnovation beschleunigt nÀchste KI-Generation.
Fortschrittliche Materialien von Intel, TSMC, IBM und MIT ermöglichen KIâHardware mit 40âŻ% weniger Stromverbrauch.
Weiterlesen
arXiv AI Papers
RLHF: neue Auditsysteme decken Rater-State-Bias auf.
RaterâZustand beeinflusst RLHFâBias, Autoren entwickeln Framework zur Messung emotionaler AuthentizitĂ€t.
Weiterlesen
arXiv AI Papers
Open-Source MATLAB-Framework nutzt leichte 1DâCNN fĂŒr affektive BerĂŒhrungskennung in weichen Begleitern.
Open-Source-DeepâLearning mit Quantisierung erkennt emotionale BerĂŒhrungen, erreicht 85âŻ% CVâGenauigkeit und erlaubt MikrocontrollerâEchtzeit.
Weiterlesen
arXiv AI Papers
Mehrere LLMs zeigen stabile Risikoverhalten.
Studie vergleicht sechs LMs und 100 Menschen; Modelle zeigen intra-Task Konsistenz und engere Risikokurve.
Weiterlesen
arXiv AI Papers
Graph Neural Networks: FĂŒhrende Technik fĂŒr Link-Vorhersagen.
Die Autoren klassifizieren Graph Neural Networks zur Linkvorhersage nach Encoder-Architektur, betonen Wissensgraphen und identifizieren SchwÀchen.
Weiterlesen
arXiv AI Papers
PlanFlip: OpenAI GPTâ5 Schwachstelle in Multi-Agent LLMs ausgenutzt.
PlanFlip zeigt, dass LLMs wie GPTâ5 anfĂ€lliger sind, wĂ€hrend DeepSeekâR1 widerstandsfĂ€hig bleibt; ModelldiversitĂ€t ist entscheidend.
Weiterlesen
arXiv AI Papers
Deterministisches Replay fĂŒr KI-Agenten mit agrepl.
agrepL bietet deterministische KI-Agentenwiedergabe mittels MITM-Proxy, erreicht 1,0 Genauigkeit.
Weiterlesen
arXiv AI Papers
Generative Ontology Induction nutzt LLMs zur domÀnenunabhÀngigen Schemaentdeckung.
GOI extrahiert aus Korpora strukturierte Ontologien, liefert sie als YAML/JSON, misst mit Coverage-Score.
Weiterlesen
arXiv AI Papers
Offene Sprachmodelle demokratisieren KI: Benchmarking & 4âBit-FineâTuning.
Die Studie bewertet neun OpenâWeight-Modelle, QwenâŻCoderâŻ3âŻB zeigt höchste Genauigkeit, 4âBitâQuantisierung steigert Leistung.
Weiterlesen
arXiv AI Papers
Masked Diffusion Modelle schaffen steierbare textbasierte Welten fĂŒr RL-Agenten.
Neue Weltmodelle verbessern RL, MDLMs ĂŒbertreffen LLMs, GRPO steigert Leistung um 47âŻ% ohne FeinâTuning.
Weiterlesen
arXiv AI Papers
Neue RL-Methode W2SPO nutzt schwache Modelle fĂŒr starke Policy.
W2SPO steigert bei 4BâModellen Pass@1 von 62,3âŻ% auf 64,2âŻ% und beschleunigt Training um 3,55âfach.
Weiterlesen
arXiv AI Papers
PPO-HSC: RL-Framework gegen Modenkollaps in LLM-FineâTuning.
PPO-HSC kombiniert RL mit High-Order Sampling, verhindert Mode Collapse, steigert Lösungsgenerierung und Genauigkeit.
Weiterlesen
arXiv AI Papers
JUMP: Einzelpass-Angriff enthĂŒllt Trainingsdaten in feinjustierten Diffusionsmodellen.
JUMP steigert die MembershipâInference-Erkennung bei DiffusionsâSprachmodellen von 0,82 auf 0,90.
Weiterlesen
arXiv AI Papers
ColGraphRAG: late-interaction MaxSim verbessert multimodale BeweiserĂŒckverfolgung.
GraphâgestĂŒtzte QA verbessert Bildretrieval mit LateâInteraction, MaxSim steigert Ranking und betont feine AlignmentâMetriken.
Weiterlesen
arXiv AI Papers
Shapley Context Pruning nutzt Kooperationsspiel zur RAG-Optimierung.
Shapley Context Pruning optimiert RetrievalâAugmented Generation durch DeepâSetsâReranking, verbessert QA bei langen Kontexten.
Weiterlesen
arXiv AI Papers
MOSAIC: PrĂ€ziser, effizienter LangzeitâSpeicher fĂŒr LLMâAgenten.
MOSAIC steigert Agentenleistung durch graphbasierten Speicher und Retrieval; 89,35âŻ% Genauigkeit, 66âŻ% Falschdaten erkannt, 0,58âŻs Latenz.
Weiterlesen
arXiv AI Papers
ModernBERT erkennt numerische Halluzinationen dank Symbolischer Erweiterung.
LLM-Halluzinationen verfĂ€lschen Wissenschaft; MacroâF1 erreicht 0,899, Umschreibungen fallen 36,5âŻ%, Augmentation erhöht Robustheit auf 98,2âŻ%.
Weiterlesen
arXiv AI Papers
SelKV: Selektives KVâCacheâMerging fĂŒr effiziente LLMs.
Dualkomponente reduziert KVâCache linear, SoftâCosineâGate fusioniert, AttentionâRatioâCompensation korrigiert, 25âŻ% Cache erzielt nahezu verlustfreie LongBenchâQualitĂ€t.
Weiterlesen
arXiv AI Papers
RAIL Guard: SchlieĂt die LĂŒcke zwischen Bewertung und Behebung bei LLM-Agenten.
RAIL Guard prĂŒft LLM-Ausgaben in 8 Dimensionen, erreicht 96,9âŻ% Konvergenz, reduziert Fehler um 33âŻ%.
Weiterlesen
arXiv AI Papers
Generalist-Controller: Ein Attention-basierter, einmalig trainierter Systemregler.
Ein generalistischer Controller lernt mit AttentionâMasking aus 314âŻ000 Beispielen und erreicht Leistungen Ă€hnlich spezialisierter LQIâController.
Weiterlesen
arXiv AI Papers
LaCache beschleunigt Diffusions-LLMs durch lossless Caching.
LaCache beschleunigt DLLMs Inferenz, speichert Sequenzen, optimiert FFN, erreicht 1,3âfach bis 40,2âfach Geschwindigkeit, Genauigkeit erhalten.
Weiterlesen
arXiv AI Papers
Neues POMDP-Modell klĂ€rt unklare Nutzeraufgaben fĂŒr KI-Assistenten.
Eine Studie zeigt, dass Sprachmodelle mit POMDPâFramework 22â32âŻ% erfolgreicher sind als Menschen, trotz Feinanpassung.
Weiterlesen
arXiv AI Papers
KI lernt Meta-Reasoning: Switch zwischen reaktiver Steuerung und Planung.
Der Agent nutzt RL, wÀhlt Reaktion oder Planung, wird bei höherer Genauigkeit reaktiver, steigert Effizienz.
Weiterlesen
arXiv AI Papers
Berkeley und Heiserman: Symbolische Logik als Architektur fĂŒr eingebettete KI.
Berkeley und Heiserman zeigen, symbolische Logik in Hardware umzusetzen, um lernfÀhige Roboter zu bauen.
Weiterlesen
arXiv AI Papers
SEER: KI-basierte Steuerung komplexer Propagatoren im Constraint Programming.
Forscher entwickeln ein ML-Orakel fĂŒr Energetic Reasoning, das Propagatorenentscheidungen mit hoher Genauigkeit vorhersagt.
Weiterlesen
arXiv AI Papers
Generative AI: Wie das Nonuniformity Prinzip MenschâAI Zusammenarbeit optimiert.
Das Nonuniformity Principle zeigt, dass gezielte menschliche Kontrolle KI-Workflows verbessert.
Weiterlesen
arXiv AI Papers
ArXiv: Von ModalitĂ€ten zu Propositionen â Sprachzentriertes Framework fĂŒr multimodale Intelligenz.
Ein globales Codebuch verbindet Bilder, Videos und Texte in atomare Fakten, verbessert Interpretation.
Weiterlesen
arXiv AI Papers
Exact Network Surgery: Funktionspreservierung durch reaktive Graph-Ănderungen.
Exact Network Surgery fĂŒgt Residualblöcke exakt ein, hĂ€lt Modellfunktion, trainierbar, bitâexakte LogitâĂbereinstimmung, schnell.
Weiterlesen
arXiv AI Papers
FST.ai 2.5: ErklĂ€rbare, Unsicherheitserkennende KI fĂŒr Taekwondo-Entscheidungen.
FST.aiâŻ2.5 integriert Athletendaten, digitale Zwillinge, Analyse, Datenspeicherung fĂŒr erklĂ€rbare Taekwondo-Trainingsempfehlungen und taktische Diagnosen.
Weiterlesen
arXiv AI Papers
JarvisBench: Benchmark fĂŒr sprachgesteuerte LangzeitâKI-Agenten.
JarvisBench bewertet Mediationsagenten fĂŒr lange Aufgaben und zeigt, dass ein LLM-Mediator mit gezielten Anweisungen performt.
Weiterlesen
arXiv AI Papers
TANS-FO: KIâPrototyp fĂŒr automatisiertes FuĂorthesenâDesign.
TANSâFO nutzt KI, um klinische Beschreibungen in 3âD-Designs zu ĂŒbersetzen und reduziert Spaltstauung um 34,7âŻ%.
Weiterlesen
arXiv AI Papers
Diversityâbasiertes FineâTuning erhöht Halluzinationsdetektion bei Sprachmodellen.
Durch diversitĂ€tsorientiertes FeinâTuning werden LLMâAntworten abwechslungsreicher, sodass Halluzinationen besser erkannt und Vertrauen erhöht werden.
Weiterlesen
arXiv AI Papers
DS@GT prÀsentiert Gemma 27B-basiertes hybrides LLM-Interview zur Depressionsscreening.
DS@GT belegte 3. Platz bei eRisk 2026, ersetzte kostenpflichtigen Interviewer durch GemmaâŻ27B und erreichte ADODLâŻ0,9063.
Weiterlesen
arXiv AI Papers
CQE und Epistemische Geheimhaltungsrichtlinien in DL-Ontologien fĂŒr Datensicherheit.
MPVâSemantik erlaubt effiziente, vertraulichkeitsbewahrende CQE und Garantierung von Ununterscheidbarkeit in DLâLite_R-Ontologien.
Weiterlesen
arXiv AI Papers
RECON: Benchmark fĂŒr LangzeitâSpeicher von LLMâAgenten.
RECON prĂŒft 24 FĂ€lle aus Recht, Medizin, Finanzen, sechs speicherintensive Aufgaben; Modelle erreichen 22,4âŻ% Genauigkeit.
Weiterlesen
arXiv AI Papers
CART: neuro-symbolische Lösung gegen Fehlerkaskaden in MLLMs.
CART kombiniert neuronale und symbolische Techniken, senkt Fehlerkaskaden und verbessert Genauigkeit von Sprachmodellen.
Weiterlesen
arXiv AI Papers
Neues Tool fĂŒr autonome ProzessausfĂŒhrung in AI-gestĂŒtzten BPMS.
AIâgestĂŒtzte BusinessâProcessâManagementâSysteme erweitern Prozessrahmen, verbessern Ăberwachung und Entscheidungsfindung.
Weiterlesen
arXiv AI Papers
RELIC: Framework fĂŒr interpretierbare, kompostierbare Skills in privatschutzbeschrĂ€nkten Multi-Agenten-Planen.
RELIC ermöglicht privatfreundliche Multi-Agentenplanung: Agenten nutzen private LLM-Suche, Orchestrator prĂŒft Leistungsdaten, Strategien als Prinzipien speichern.
Weiterlesen
arXiv AI Papers
FUSAR-R1: GroĂes Modell zur Interpretation von SARâBildern.
FUSARâR1 ist ein groĂes, selbstkorrigierendes SAR-Interpretationsmodell, das bestehende multimodale Modelle in Erkennung und Klassifikation ĂŒbertrifft.
Weiterlesen
arXiv AI Papers
AI-Agenten ermöglichen XFEL-Forschern schnelle Analyse komplexer DatensÀtze.
Ein KIâSystem der European XFEL erleichtert datenintensive Analyse groĂer DatensĂ€tze und liefert nachhaltige Designempfehlungen.
Weiterlesen
arXiv AI Papers
AgentBrew: Dauerhafte Wissensdistillation von starken Lehrern in schwache LLM-Agenten.
AgentBrew distilliert Lehrerinteraktionen, nutzt fehlgeschlagenen Loop, erzeugt robuste Agenten ohne Gewichtupdates, zeigt Leistung.
Weiterlesen
arXiv AI Papers
LGU: Logische Graphen zur Unsicherheitsmessung bei Sprachmodellen.
Das LGU-Modell verbessert Unsicherheits- und Halluzinations-Erkennung bei LLMs durch Entropieanalyse und Entailment-Ketten.
Weiterlesen
arXiv AI Papers
LLMs erzeugen umweltfreie synthetische Trainingsdaten fĂŒr API-Agenten.
LLM-basierte APIâSimulation revolutioniert AgentenâTraining, erzeugt synthetische Welten und Aufgaben, QualitĂ€tsfilter verbessert Leistung, Tests zeigen Skalierbarkeit.
Weiterlesen
arXiv AI Papers
Lomekwi: KI-Agenten entdecken Tools mit begrenzten Ressourcen.
Neue Analyse trennt Werkzeuggebrauch von Entdeckung, zeigt umgekehrte Skalierung bei gröĂerem Modell.
Weiterlesen
arXiv AI Papers
C-MTP: Schnelleres Training von Continuous Chain-of-Thought Modellen.
CâMTP ersetzt langsames Training durch direkte, schnellere latente ReprĂ€sentationen, ĂŒbertrifft bei kurzen Spuren.
Weiterlesen
arXiv AI Papers
Expected Free Energy automatisiert rhoâPOMDPs ohne manuelle Abstimmung.
Active Inference ersetzt manuelle Abstimmung und ĂŒbertrifft Belohnungsoptimierung ohne Ăberexploration.
Weiterlesen
arXiv AI Papers
PriorProof quantifiziert Neuheit von Lean-Beweisen via frĂŒhere Mathlib-Daten.
PriorProof bewertet automatisiert Lean-Beweiswege, nutzt gewichtete Surprisal, erzielt 69,7âŻ% Ăbereinstimmung ohne Ontologie.
Weiterlesen
arXiv AI Papers
Neue LLM-Agenten-Workflows nutzen POMDP-Routing und Selbstkorrektur fĂŒr autonome Entscheidungsfindung.
Eine neue Agentenarchitektur erhöht den LLM-Erfolg um 24,5âŻ% durch multimodale Integration.
Weiterlesen
arXiv AI Papers
OpenAI-Model-LLM Fehler bei HDL-Fragen: Studie misst und reduziert QualitÀtsprobleme.
Studie zeigt, LLMs liefern zu viele Redundanzen, ein Multi-Agenten-Framework verbessert Lesbarkeit.
Weiterlesen
arXiv AI Papers
SemRaD: Semantic ReasoningâAware Distillation fĂŒr ColdâStartâPrĂ€diktion.
SemRaD steigert Nutzerwertvorhersagen um 1,9âŻ% Gini, 1,0âŻ% Conversion, dank strukturiertem Schema und Distillation.
Weiterlesen
arXiv AI Papers
Otap: Optimales Transportverfahren bewertet Agentenpfade neu.
OTAP-Metrik bewertet LLM-Agenten-Trajektorien prĂ€ziser, nutzt unbalanciertes Gromov-Wasserstein-Transport, erzielt höhere Genauigkeit, liefert robustere Metriken fĂŒr Agenten.
Weiterlesen
arXiv AI Papers
Neue Fourier-Windstromprognose kombiniert NWP und SCADA-Daten.
Ein multimodales KI-Framework kombiniert SCADA-Daten, Wettervorhersagen, nutzt geometrischen Encoder und FNO, ĂŒbertrifft Baselines in Windparks.
Weiterlesen
arXiv AI Papers
Neue Studie zeigt, wie Evidenz-Interfaces Retrieval-Augmented Readers beeinflussen.
Ein neues Evaluationsmodell deckt Fehler in Multi-Hop RetrievalâAugmented Generation auf und empfiehlt Topâk-Anpassungen.
Weiterlesen
arXiv AI Papers
Neue diagnostische Methode fĂŒr KI-Agentenverhalten.
Ein neues diagnostisches Rahmenwerk teilt KI-Verhalten in Architektur, GedÀchtnis, Wahrnehmung und Modulationslayer, betont Divergenz.
Weiterlesen
arXiv AI Papers
PUMA erkennt Ăberdenken bei groĂen Sprachmodellen.
PUMA verbessert Genauigkeit und senkt Kosten bei groĂen ReasoningâModellen durch adaptive Trunkierung.
Weiterlesen
arXiv AI Papers
AnthroDial: Geschlossener-Loop-Framework fĂŒr menschenĂ€hnliche GesprĂ€che.
AnthroDial kombiniert rollenbasierte Laufzeit, Benchmark und PostâTraining, steigert ChatqualitĂ€t.
Weiterlesen
arXiv AI Papers
OpenâWeight LLM Qwen2.5âCoder 7B: LoRAâFineâTuning mit TrajectoryâFilterung.
EffizientitĂ€ts- und Stilbewertung optimiert LoRA-FineâTuning von Qwen2.5âCoderâ7B, zeigt Datennutzen, FehlerâRetry bleibt entscheidend.
Weiterlesen
arXiv AI Papers
Constrained Path Reasoning (CPR) misst Nutzen von Zwischenschritten in LLM-Pipelines.
CPR steigert LLM-Erfolg um 63âŻ%, reduziert Entropie, erhöht Erfolgsraten.
Weiterlesen
arXiv AI Papers
LenGuard-GPC: Dichte RL-Belohnungsarchitektur fĂŒr rĂ€umliches Multiview-Reasoning.
LenGuardâGPC erhöht Genauigkeit und reduziert AntwortlĂ€nge bei Sprachâ und Bildmodellen.
Weiterlesen
arXiv AI Papers
CoDID: Koordinierte Entwirrung mit iterativer Modusentdeckung.
CoDID revolutioniert KI-ReprĂ€sentationslernen durch koordinierte Modendiskdeckung, dynamische Architektur und MetaâOptimierung.
Weiterlesen
arXiv AI Papers
DaoQL: DatenfirstâOntologie liefert explizites Weltenmodell fĂŒr LLMs.
DaoQL trennt deterministisches Wissen von LLMs, reduziert Halluzinationen, Steifheit und ErklÀrungsprobleme.
Weiterlesen
arXiv AI Papers
Speculative Decoding auf AppleâSilicon: Effiziente LLMâDraftâ und ZielmodellâImplementierung.
Spekulatives Decoding beschleunigt groĂe Sprachmodelle um 1,61âfach auf Apple Silicon, nutzt CUDA/MPS/CPU, betont BatchâVerifikation.
Weiterlesen
arXiv AI Papers
DRQN-CMDP: Deep Q-Net fĂŒr sichere OffâChain-Auditplanung.
Effiziente Audits fĂŒr OffâChainâDaten reduzieren Gasverbrauch um 83âŻ% dank DRQNâCMDP und homom. MAC.
Weiterlesen
arXiv AI Papers
Agentic ERP: LLM-basierte Multiagenten automatisieren Unternehmensplanung.
Neue Multi-Agenten-Architektur automatisiert ERP-Entscheidungen, mit menschlicher Kontrolle, vermeidet Stockouts, nutzt RolleâLLM-Agenten.
Weiterlesen
arXiv AI Papers
DeeperRadar: lernende MIMO-Radarfusion fĂŒr autonome Fahrzeugperzeption.
DeeperRadar lernt MIMO-Antennen fĂŒr autonome MobilitĂ€t, nutzt multimodale Fusion von Radar, Kamera, LiDAR sparsam.
Weiterlesen
arXiv AI Papers
Selbstmodifizierender Lean-Proof-Agent coevolviert mit Verifikatorbenchmark.
Lean-Proof-Agenten verbessern Beweissuche: 45,1âŻ% Lösungsrate nach 15 Generationen.
Weiterlesen
arXiv AI Papers
Neue Formel misst Aufschwung durch Vielfalt in zehn OpenâWeightâLLMâEnsembles.
Das Paper validiert eine Formel, die LLMâEnsemble-Uplifts durch DenkdiversitĂ€t prognostiziert.
Weiterlesen
arXiv AI Papers
Intermittente Steuerung senkt regulatorische Belastung in adaptiven Agenten.
Intermittent Anticipatory Control senkt regulatorischen Aufwand in adaptiven Agenten um etwa 0,5âŻ%.
Weiterlesen
arXiv AI Papers
Empirische Validierung steigert Realismus von LLM-Agenten bei StörfÀllen.
Empirisch angereicherte LLM-Agenten steigern Katastrophensimulationsrealismus von 0,528 auf 0,912, dank demografischer Daten und Geografie.
Weiterlesen
arXiv AI Papers
AEC-DS: Adaptive Erasure Coding nutzt PDP fĂŒr dezentrale Speicheroptimierung.
Speichersystem kombiniert Auditing mit FehlerrĂŒckstellung, erzielt 100âŻ% IntegritĂ€t, 66â75âŻ% weniger Wiederherstellung bei 1,25Ă Redundanz.
Weiterlesen
arXiv AI Papers
Panache: Ein One-Pass-Algorithmus fĂŒr Motif-Erkennung in Zeitreihen.
Panache reduziert Motifentdeckungszeit von 7,95âŻh auf 6âŻmin bei 51âLĂ€ngen-Proben.
Weiterlesen
arXiv AI Papers
Pailitao-MMSearch revolutioniert multimodale Produktsuche im EâCommerce.
PailitaoâMMSearch steigert EâCommerceâUmsĂ€tze um 13âŻ% durch multimodale BildâTextâSprachintegration.
Weiterlesen
arXiv AI Papers
FluxBench prĂŒft KI-Agenten bei End-to-End-EDA-Flows.
FluxBench bewertet KI-Agenten in EDA-Workflows, zeigt TokenâROI-Differenzen, und FluxEDA ĂŒbertrifft Claude Code 8,39âfach.
Weiterlesen
arXiv AI Papers
R-NaD löst Maximal-Entropie-Equilibrium im Kuhn-Poker: kein Bias.
Die Analyse von Regularized Nash Dynamics zeigt, dass geringe Entropieverluste korrigierbare Koordinatendifferenzen verursachen.
Weiterlesen
