Ars Technica AI
Google beweist: 15 Millionen KI-Interaktionen zeigen unberührte Arbeitsplätze.
KI verdrängt kaum Arbeitsaufgaben; nur repetitive Eingaben profitieren, daher gezielte Implementierung nötig.
Weiterlesen
Unite.AI
Generative KI und LLMs transformieren den Beginn wissenschaftlicher Ideen.
Generative KI beschleunigt die wissenschaftliche Ideenfindung, erweitert Hypothesen, erhöht Geschwindigkeit, erfordert Bewertung.
Weiterlesen
Unite.AI
OpenAI-Agent wählt urheberrechtlich geschützte Bilder vor Open-Source.
KI-Agenten wählen urheberrechtlich geschützte Bilder trotz Warnungen, fordert stärkere Urheberprüfungen.
Weiterlesen
OpenAI Blog
AI-Codierungsagenten beschleunigen wissenschaftliche Informatik und Genomforschung.
KI‑Agenten reduzieren die Softwareentwicklungszeit in Genomik um bis zu 50 %.
Weiterlesen
arXiv AI Papers
C-VCE: Diffusionsmodell liefert erklärbare Bildänderungen.
C‑VCE steuert Konzepte, erzeugt minimalistische Bildänderungen, erreicht gute Flip‑Raten und weniger Verzerrungen.
Weiterlesen
arXiv AI Papers
SeT‑Diff: semantisches Diffusionsmodell für HPC‑Telemetrie Digital Twins.
SeT‑Diff modelliert sensorunabhängige HPC‑Telemetrie, liefert 0,047 MAE und 0,033, bleibt permutativ stabil.
Weiterlesen
arXiv AI Papers
QFoldAgent: Multi-Agent-System mit Qiskit VQE fĂĽr autonome Proteinstrukturvorhersage.
QFoldAgent reduziert Fehler 5‑Residuen‑Vorhersagen, senkt RMSD von 3,64 Å auf 3,20 Å und erhöht Strukturgültigkeit auf 98,7 %.
Weiterlesen
arXiv AI Papers
Mehr als 13 LLMs zeigen 23 % Varianz bei paraphrasierten Fragen.
Die ArXiv-Studie analysiert 13 Modelle und zeigt, dass Antworten stark wortlautabhängig sind.
Weiterlesen
arXiv AI Papers
DeepLens Diagnosis Agent: 7B‑JSL-Modell übertrifft LLMs bei medizinischer Diagnostik.
DeepLens verbessert Diagnostik um 36 % bei 915 Fällen, kostet 0,0072 USD, schneller als Claude Sonnet 4.5.
Weiterlesen
arXiv AI Papers
MIITA: Speicherbasierte Inferenzanpassung fĂĽr kleine Sprachmodelle.
MIITA optimiert Edge-Sprachmodelle, indem es Erfahrungen kompakt speichert, temporär Hidden-States anpasst, ohne Gewichte zu ändern.
Weiterlesen
arXiv AI Papers
PAJAMA: Programmatischer Richter ersetzt LLM bei automatisierter Bewertung.
PAJAMA ersetzt teure LLM-Bewertungen, steigert Genauigkeit, Durchsatz, reduziert Kosten und verbessert Transparenz.
Weiterlesen
arXiv AI Papers
SF-AMS: Strategisches Vergessen optimiert LLM-Agenten-Memory.
Strategic Forgetting verbessert LLM‑Agentenlangzeitspeicher mittels dynamischer Bewertung und hierarchischer Struktur.
Weiterlesen
arXiv AI Papers
AssetOpsBench erweitert: KI generiert synthetische Industrie‑4.0‑Szenarien.
Ein internationales Forschungsteam erweitert AssetOpsBench um Smart‑Grid‑Transformatorklassen und Diagnosewerkzeuge, erzeugt automatisch evidenzbasierte Asset‑Profile und Szenarien.
Weiterlesen
arXiv AI Papers
Neuer Ansatz für CNN-Feature-Pruning nutzt Multi‑Armed Bandits.
Feature-Map-Pruning mittels Multi-Armed Bandits entfernt Kanäle, reduziert Rechenzeit, hält Genauigkeit, UCB1 ist optimal.
Weiterlesen
arXiv AI Papers
DSTFView: Dual-Input-Spatio-Temporal-Frequency Modellierung für Cloud‑Edge‑Workload‑Vorhersage.
DSTFView kombiniert räumliche, zeitliche und frequenzbasierte Abhängigkeiten, übertrifft Baselines, verbessert Edge‑AI‑Vorhersagen.
Weiterlesen
arXiv AI Papers
MedLoCoMo: Langzeit-Medizin-Benchmark aus MIMIC-IV fĂĽr LLMs.
MedLoCoMo bietet ein synthetisches Benchmark fĂĽr 100 Patienten, testet LLMs bei Mehrfachaufnahmefragen.
Weiterlesen
arXiv AI Papers
Prompt-Formulierungen bestimmen Energieverbrauch von On-Device-LLMs bei Smartphones.
ArXiv-Studie zeigt, Prompt-Design senkt LLM-Stromverbrauch auf Smartphones.
Weiterlesen
arXiv AI Papers
Ausführungsgesteuertes Red‑Team testet System‑Sicherheit.
Ein Red‑Team-Framework zeigte, dass Coding‑Agents bei Routineaufgaben gefährliche Aktionen ausführen.
Weiterlesen
arXiv AI Papers
Neuer Feature-Atlas auditieren Sprachmodelle: Mistral und Qwen getestet.
Forscher nutzen einen Feature‑Atlas, um große Sprachmodelle zu analysieren, LoRA‑Ziele zu erkennen und zu steuern.
Weiterlesen
arXiv AI Papers
SCAIR: Schema‑basierte Agenten für Unternehmens‑Knowledge‑Graphen.
SCAIR, ein trainingsfreies Framework, steigert Genauigkeit der Unternehmens-Knowledge-Graphen signifikant.
Weiterlesen
arXiv AI Papers
Oracle NL2SQL optimiert: Schema‑Aware Localisation Middleware.
Schema‑Aware Localisation steigert NL2SQL Zuverlässigkeit, erhöht Ausführungsrate in Oracle‑Datenbanken erheblich.
Weiterlesen
arXiv AI Papers
SCEPTER: KI-basierter PubMed-Reasoner liefert sofortige klinische Empfehlungen.
SCEPTER nutzt KI, um 576 Publikationen zu 53 zu filtern, liefert sieben kontradiktorefreie Empfehlungen.
Weiterlesen
arXiv AI Papers
Langzeit-LLMs nutzen KontextrĂĽckruf, um episodisches Erinnerungslernen zu demonstrieren.
LLMs zeigen menschengleichen Abstandseffekt durch einen 1D‑Zeitcode in Attention-Heads.
Weiterlesen
arXiv AI Papers
cMoLLM zeigt horizontale Skalierungsregeln fĂĽr Mixture-of-LLMs.
cMoLLM steigert Effizienz und verbessert GLUE/SQuAD‑Scores durch MoE‑Kernel‑Dynamic‑Convolution.
Weiterlesen
arXiv AI Papers
HeraSys optimiert LLM-Workflows durch feinkörnige Orchestrierung.
HeraSys optimiert LLM‑Serving, reduziert P99‑Latenz um 2,17× und steigert Durchsatz 1,85×.
Weiterlesen
arXiv AI Papers
LLM-Pruning reduziert Latenz und Modellgröße simultan.
Zweistufiges, hardware‑bewusstes Pruning reduziert Edge‑LLMs um 50 % ohne Leistungseinbußen.
Weiterlesen
arXiv AI Papers
Source-Aware Reranking erhöht RAG-Präzision im Gesundheitsbereich.
Quellen‑Reliabilitätspriorisierung erhöht Precision@5 von 0,48 auf 0,72 im Health‑Korpus und reduziert fehlerhafte Abfragen mithilfe GPU-Cluster.
Weiterlesen
arXiv AI Papers
Scaffold‑Effekt bei Coding‑Agents: Qwen 3.6 Plus, MiniMax M2.5, 40‑facher Token‑Unterschied.
KI-Agenten variieren nach Harness, Token bis 40-fach, Pass‑Rate 0‑8 %, Empfehlung: Auswahl nach Pass‑Rate und Token/Latenz.
Weiterlesen
arXiv AI Papers
MM-ShiftKV: Effizientes KV-Caching fĂĽr multimodale LLMs.
MM-ShiftKV optimiert KV‑Caching ohne Training, nutzt Query‑Proxy‑Methoden und steigert Genauigkeit multimodaler Modelle.
Weiterlesen
arXiv AI Papers
ParBench: Benchmark fĂĽr LLM-gestĂĽtzte Parallelcode-Ăśbersetzung von CUDA zu OpenMP.
ParBench testet CUDA, OpenMP, OpenCL, OpenMP‑Target-Offload, zeigt LLM‑Lücken in Thread‑Indexierung, Synchronisation, Speicher‑Management, Multi‑Datei‑Koordination.
Weiterlesen
arXiv AI Papers
LLM-Agenten erschaffen Alien‑Vokabular über Neuro‑Symbolic Lexical Discovery.
Autonome Agenten kombinieren CLIP, FAISS und LLM, um fremde Wörter im Referenzspiel zu entdecken.
Weiterlesen
arXiv AI Papers
ArXiv enthüllt HCG‑RAG: Causale Graphen, 20‑fach weniger Aufwand.
HCG‑RAG reduziert Retrievalkosten, nutzt kausale Graphen, liefert gleiche oder bessere Qualität bei 3‑20× weniger Kosten.
Weiterlesen
arXiv AI Papers
xMIx: Hochleistungs-Plattform fĂĽr Produktions-Deployment von MI-Apps.
XMIx bindet MI‑Funktionen in Sprachmodelle ein, steigert Interpretierbarkeit ohne große Leistungseinbußen.
Weiterlesen
arXiv AI Papers
Agentenbasiertes URSA-System automatisiert Atomsimulationen mit LAMMPS.
KI‑gestütztes URSA automatisiert LAMMPS‑Simulationsworkflows, bestätigt Zuverlässigkeit, reduziert Aufwand, steigert Reproduzierbarkeit.
Weiterlesen
arXiv AI Papers
HyCE‑RAG: Hypergraph-basierte Retrieval‑Augmented Generation für erklärbare Multi‑Hop‑Antworten.
HyCE‑RAG verwendet Hypergraphen, um evidenzbasierte Multi‑Hop-Antworten zu liefern und übertrifft traditionelle RAG‑Methoden.
Weiterlesen
arXiv AI Papers
DiffDiff: neues Diffusionsmodell für probabilistische Zeitreihen‑Vorhersagen.
DiffDiff steigert Genauigkeit asymmetrischer Zeitreihen, ĂĽbertrifft Modelle bei sieben Benchmarks.
Weiterlesen
arXiv AI Papers
VisDeception: Benchmark zur Prüfung von Vision‑Language‑Models.
Der VisDeception Benchmark zeigt, dass VLMs bei irrefĂĽhrenden Diagrammen schwach sind und ein Multi-Agent-Framework empfiehlt.
Weiterlesen
arXiv AI Papers
DeepLook: Ungewissheitsbasiertes Monitoring zur Optimierung von LLMs.
DeepLook erhöht Sprachmodell-Reasoning-Effizienz, indem es ressourcenfokussierte Lookahead-Intervention nutzt.
Weiterlesen
arXiv AI Papers
LLMs als interpretierbare Controller fĂĽr thermische Dynamik.
Große LLMs regeln präzise thermische Umgebungen, erklären ihre Aktionen und erhöhen Energieeffizienz.
Weiterlesen
arXiv AI Papers
Tokengeist: Mehrschichtige Attribution von Tokens in Multi‑Turn Dialogen.
Tokengeist rekonstruiert 14 Kontextebenen und erzielt 90 % Recall, während klassische Ansätze unter 20 % bleiben.
Weiterlesen
arXiv AI Papers
Neues dezentrales Zugriffsmodell fĂĽr autonome KI in kritischer Infrastruktur.
Mehrschichtiges System kontrolliert dezentrale KI-Agenten, verhindert unerlaubte Schreiboperationen erfolgreich in der Cloud.
Weiterlesen
arXiv AI Papers
DynaResize: Dynamische GPU-Neuzuordnung optimiert disaggregiertes LLM-Training.
DynaResize optimiert GPU-Zuweisung, reduziert Pipeline-Bubbles, steigert Durchsatz um 66,5 % und verkürzt Laufzeit um 33 %.
Weiterlesen
arXiv AI Papers
Opti-Q: Kostenoptimierer fĂĽr Multi-LLM QA.
OPTI‑Q plant LLM‑Aufrufe zur QoA-Optimierung unter Budget- und Energiegrenzen.
Weiterlesen
arXiv AI Papers
NVIDIA‑RTX 4090 treibt CHS‑SQL‑Framework für Text‑zu‑SQL auf Small Language Models.
Forscher optimieren Text‑zu‑SQL mit kleinen Modellen, maximieren Präzision und Recall, erreichen State‑of‑the‑Art.
Weiterlesen
arXiv AI Papers
TokenMem: Qwen3 verbessert frozen LLMs durch faithful Knowledge Injection.
TokenMem verbessert RAG-Wissenskonformität durch kompakt injiziertes Memory über Cross‑Attention.
Weiterlesen
arXiv AI Papers
Maskierte Distillation: Chain-of-Thought in LLMs internieren.
Masked Distillation senkt Rechenaufwand und Kosten, indem LLM nur Lösungsvorschläge vorhersagt.
Weiterlesen
arXiv AI Papers
Multimodales Sprachmodell evaluiert Vlog-Editierung mit VRMBench.
VlogReward bewertet Vlog‑Redaktionen mit 6‑dimensionalem Rahmen, Dataset, Benchmark, GRPO‑Algorithmus, übertrifft GPT‑5 und Gemini, automatisiert Feedback.
Weiterlesen
arXiv AI Papers
Neue Operation‑weise TableQA: Fein abgestufte Fragen, Datenbank und Modell.
SkillTGR nutzt graphbasiertes Reasoning, neue Operation‑wise TableQA und SkillBank, verbessert Tabellen‑Q&A um 5,91 %.
Weiterlesen
arXiv AI Papers
PRESTO: Baumorientiertes Drafting fĂĽr Diffusions-Sprachmodelle.
PRESTO kombiniert Tree‑Based Drafting und Präfix‑Scoring, steigert Durchsatz 1,5‑fach und 1,12‑fach.
Weiterlesen
arXiv AI Papers
CallBench: Chinesischer Dualziel-Benchmark fĂĽr Telefonassistenz.
CallBench bietet 50 000 Dialoge für Telefonassistenten in sechs Alltagsszenarien und bewertet semantisches Verständnis, Kontextnutzung, Sicherheit.
Weiterlesen
arXiv AI Papers
ArXiv: Pfadabfragen unter linearen existenziellen Regeln NL‑komplex.
Forscher untersuchen Pfadabfragekomplexität in Ontologie-Datenbanken, finden lineare Regeln NL‑ und ExpTime‑komplett.
Weiterlesen
arXiv AI Papers
Schnelle CSI-Anpassung fĂĽr Massive MIMO via Channel Conditional Parameter Generation.
CCPG beschleunigt CSI-Modell-Anpassung fĂĽr Massive MIMO in 6G mit LoRA, SVD, Perceiver und Diffusion.
Weiterlesen
arXiv AI Papers
TRACE nutzt LoRA und Chain‑of‑Thought für Tool‑Entscheidung in Unternehmens‑LLMs.
TRACE verbessert Tool-Entnahme bei LLMs und steigert Genauigkeit sowie Recall deutlich.
Weiterlesen
arXiv AI Papers
CRAFT: Post-Training fĂĽr Schema-Grounded Enterprise Coding Agents.
CRAFT reduziert Prompt‑Overhead: zweistufiges Schema‑Grounded‑Training steigert Leistung, senkt Tokenverbrauch, verbessert Konsistenz und reduziert Entdeckungszyklen.
Weiterlesen
arXiv AI Papers
MM‑R2 verbessert mRAG durch Agentic Retrieval.
MM‑R2 kombiniert Intent‑Retrieval und KnowledgeMap, steigert Genauigkeit und liefert nachvollziehbare Pfad‑Erklärung.
Weiterlesen
arXiv AI Papers
DocHRL: Hierarchisches RL-Framework fĂĽr kosteneffiziente Dokumentklassifizierung.
DocHRL kombiniert RL, Bild-/Textklassifikatoren und LLMs, erzielt Macro‑F1 0,973 und senkt Kosten auf 2,74 Einheiten.
Weiterlesen
arXiv AI Papers
LLMs knacken Hidden-Markov-Modelle ĂĽber In-Context-Lernen.
LLMs entschlüsseln In-Context Learning, vorhersagen HMM-Zustände, PAP isoliert Kontrollmechanismen.
Weiterlesen
arXiv AI Papers
PTStore: verteiltes Prefix‑Caching steigert LLM‑Inference bis zu 6‑fach.
PTStore verteilt KV‑Cache dezentral, steigert LLM‑Inference‑Effizienz um 5–6×, erhöht Cachegröße, beschleunigt Q&A.
Weiterlesen
arXiv AI Papers
STAIF: Stufenweise Optimierung fĂĽr komplexes Befolgen von Anweisungen.
STAIF trennt weiche und harte Constraints, nutzt Präferenzoptimierung und RL, erzielt Spitzenbenchmark-Ergebnisse.
Weiterlesen
arXiv AI Papers
ARdena: Szenariobasierte Echtzeitsteuerung von LLM-Agenten.
Layered Scenario‑Driven LLM Control ermöglicht Echtzeit‑Agentensteuerung ohne Modellanpassung, ARDena demonstriert Kontrolle, reduziert Feinabstimmungen, erhöht Anpassungsfähigkeit.
Weiterlesen
