Unite.AI
NSF investiert 100 Millionen in KI-Hubs mit NVIDIA, AMD, Intel, Dell.
Die NSF finanziert zehn Konsortien zur regionalen KI-Infrastruktur, unterstĂŒtzt durch Private, fördert Forschung und Innovation.
Weiterlesen
Unite.AI
Femtech-Unternehmen setzen KIâUnsicherheitsindikatoren ein.
Artikel fordert KI-Design, das Unsicherheit erkennt und erklĂ€rt, um Vertrauen bei OvulationsâApps zu stĂ€rken.
Weiterlesen
MIT AI News
MIT: Elektrolyte machen NaâMetallbatterien praktikabler.
MIT entwickelt neue Elektrolyte, reduziert Korrosion, steigert Energiedichte, verlÀngert Lebensdauer und macht Natrium-Batterien wirtschaftlich attraktiver.
Weiterlesen
MIT AI News
Nicht-Experten vertrauen LLM-basierten Diagnosen, Experten erkennen Fehler.
NichtâExperten vertrauen KI trotz Fehler, Ărzte korrigieren, deshalb kooperieren MIT, Harvard, OpenAI fĂŒr robustere Tests.
Weiterlesen
arXiv AI Papers
Ein interaktionszentrierter Taxonomie-Ansatz zur Lokalisierung von Agentenfehlern.
ArXiv-Studie prÀsentiert interaktionszentrierte Fehlerkatalogik, klassifiziert Fehler zwischen Modellen, Nutzern und Umgebung.
Weiterlesen
arXiv AI Papers
SESA: selbstlernender Suchagent mit persistenter Skillspeicherung.
SESA verbessert Frage-Antwort-Genauigkeit durch selbstspielende Agenten, speichert Fehler als Skills und ĂŒbertrifft andere Modelle.
Weiterlesen
arXiv AI Papers
AgentHPOBench: Benchmark fĂŒr LLMâAgents in der hyperparameteroptimierung.
AgentHPOBench bewertet experimentelle OptimierungsfĂ€higkeiten von LLMâAgenten mittels 30 MLâAufgaben.
Weiterlesen
arXiv AI Papers
Gemma 2âDistillation senkt Bias bei SmolLM, verschĂ€rft bei OLMo.
Knowledge Distillation verstĂ€rkt Bias, fĂŒhrt bei Gemma- und OLMo-Modellen zu stereotypen Antworten, verbergen Fehler; PCCD-Diagnose vorgeschlagen.
Weiterlesen
arXiv AI Papers
AIâgestĂŒtzte EEGâAnalyse transformiert Demenzdiagnose.
Multimodale KI kombiniert EEG, Bildgebung, Biomarker, Wearables und Deep Learning zur frĂŒhzeitigen Erkennung kognitiver Decline.
Weiterlesen
arXiv AI Papers
SEDR-Seq2P: Leichtgewichtiges Dilatations-Netz fĂŒr industrielle NILM.
SEDRâSeq2P reduziert Fehler um 7âŻ% und Latenz um 58âŻ%, ohne Genauigkeit zu verlieren.
Weiterlesen
arXiv AI Papers
ComputerâVisionâFramework CV schĂ€tzt Stahllebensdauer aus Mikroskopbildern.
Forscher prognostizieren mit KI Erschöpfungsdauer von LeichtmetallstĂ€hlen aus Mikroskopaufnahmen, erreichen RÂČâŻ=âŻ0,93, 65âŻms.
Weiterlesen
arXiv AI Papers
WitCert: DTraceâĂ€hnlicher RuntimeâMonitor fĂŒr KVâCacheâQuantisierung.
Der KVâCache-QuantisierungsâMeter misst live in Echtzeit, kombiniert deterministische Witness und probabilistische Int8-Garantie, verbessert FP8-Casting.
Weiterlesen
arXiv AI Papers
PINNs von Usula & Fine erforschen minimalistische FlÀchen.
PINN-Optimierung verkĂŒrzt Trainingszeit fĂŒr hyperbolische MinimalflĂ€chen um 50-fach, neues Framework nutzt physikbasierte Netze.
Weiterlesen
arXiv AI Papers
DragonCrawl: KI-gestĂŒtzte mobile E2E-Tests mit GPTâ4o, iOS/Android.
DragonCrawl ist KIâgesteuertes Regressionstestsystem, ersetzt E2EâTests, erzielt 91âŻ% Passrate und verkĂŒrzt Onboarding auf unter 4âŻh.
Weiterlesen
arXiv AI Papers
Flow-Matching-Ansatz reduziert Metalleffekte in CT-Scans.
SCMA reduziert Metallartefakte in CT, erhÀlt Details, verbessert Ergebnisse, wird auf arXiv veröffentlicht.
Weiterlesen
arXiv AI Papers
WaiT: Waveletâbasierte BildâTransformer fĂŒr optimierte Frequenzverarbeitung.
WaiT trennt Generation in Coarseâ und FineâBĂ€nder, steigert Texturtreue, erzielt 1,3âŻFID und CPUâReduktion.
Weiterlesen
arXiv AI Papers
Kettenstratifikation sichert Semantik fĂŒr RDF-Regeln mit Negation.
ChainâStratifikation liefert stabile RDFâRegeln, analysiert MultistepâDerivationen, erzeugt schlanke Graphen, und bietet konsistente negationâasâfailure Semantik.
Weiterlesen
arXiv AI Papers
Sample-Level Auditing enthĂŒllt VielfĂ€ltigkeit von Benchmark-Daten fĂŒr LLMs.
Meta-Evaluations zeigen interne HeterogenitÀt von LLM-Benchmarks, ermöglichen gezielte Subset-Kombination.
Weiterlesen
arXiv AI Papers
LLM-Coaches prĂŒfen Mit Widerstand mitgehen: MIâZieltreue vs. Beziehungsaufbau.
Forscher entwickeln AnnoMIâbasiertes Bewertungssystem, trainieren KIâTherapeuten, reduzieren Konfrontationen, erhöhen Beziehungsanpassung.
Weiterlesen
arXiv AI Papers
Hypergradient-gestĂŒtzte Bilevel-RL verbessert StichprobenkomplexitĂ€t.
Ein hypergradientâbasiertes, Hessianâfreies BilevelâRL reduziert SampleâKomplexitĂ€t auf O~(Δâ»ÂČ) und ermöglicht MetaâLearning ohne PLâAnnahme.
Weiterlesen
arXiv AI Papers
Neuer Benchmark vergleicht CNNs, Transformer und SSM bei 3DâMRIâTumorsegmentierung.
Die Studie vergleicht fĂŒnf 3DâArchitekturen fĂŒr GehirntumorâSegmentierung hinsichtlich Genauigkeit, Geschwindigkeit und ModellgröĂe.
Weiterlesen
arXiv AI Papers
TextCloak verhindert unautorisierte LLM-Ausnutzung durch RL-gestĂŒtzte Unlernbare Texte.
TextCloak verhindert unautorisierte FineâTuningâModelle mithilfe RL-gestĂŒtzter unlernbarer Beispiele, robust, transferierbar, praktisch.
Weiterlesen
arXiv AI Papers
BSG-VA misst, wie zuverlÀssig LLM-Repairagent Testresultate nutzt.
BSGâVA steigert Beweiskraft von KIâReparaturagenten, senkt Fehlspanne um 7,8 Punkte.
Weiterlesen
arXiv AI Papers
RareSense: RarityâBewusste SimilaritĂ€tssuche fĂŒr Anomalien in Transaktionsdaten.
RareSense nutzt seltene Itemsets, um prÀzise Anomalie-Erkennung durch gewichteten Jaccard-Ansatz zu verbessern.
Weiterlesen
arXiv AI Papers
LLM Codeeditierung: Löschungen werden gemieden, Wartbarkeit leidet.
20âŻ% der Modelle scheitern bei Löschaufgaben, Post-Training verbessert Genauigkeit, wichtiger fĂŒr sichere Wartung.
Weiterlesen
arXiv AI Papers
HumanâLLMâCollaborative Pipeline zur Analyse von LehrendenâAIâInteraktionen.
Eine Pipeline aus LLMs und FachkrĂ€ften erstellt ein 72âPunkteâCodebuch zur Analyse von LehrkraftâKI-Interaktionen.
Weiterlesen
arXiv AI Papers
LLMâCodierung vs. Mensch: Blindexpertentest enthĂŒllt Diskrepanzen.
LLMâCodierung gewinnt knapp; Experten bevorzugen Menschen und LLM fast gleich; Autoren fordern weitere Messungen.
Weiterlesen
arXiv AI Papers
TORUS testet SelbstkohÀrenz bei einheitlichen Audio-Modellen.
Im Vergleich von fĂŒnf OpenâSourceâModellen zeigt TORUS 50,5âŻ% Einheitlichkeit, AudioâEditing schwĂ€chelt.
Weiterlesen
arXiv AI Papers
KI-gestĂŒtztes Narrativsystem fördert geopolitische Reflexion bei Tech-Firmen.
Das Paper fördert geopolitische Selbstreflexion TechâArbeitnehmer durch AIâgestĂŒtztes narrativisches Design.
Weiterlesen
arXiv AI Papers
Gated QâLearning löst BiasâDilemma in Reinforcement Learning.
Gated QâLearning kombiniert QâLernmethoden, ersetzt Sampling durch dynamische Gates, verbessert Lernfortschritt.
Weiterlesen
arXiv AI Papers
FairFund-Bench deckt Bias-Unterschiede in LLM-Ressourcenverteilung auf.
FairFundâBench zeigt, dass LLMs durch Auditformate, verdeckte Tests und BedĂŒrftigkeitsrahmen voreingenommene Ressourcenverteilung erzeugen.
Weiterlesen
arXiv AI Papers
DiffAttack: Latent Diffusion Modelle stĂŒrzen Gesichtserkennung.
DiffAttack erzielt 84,86âŻ% Erfolg, ĂŒbertrifft klassische Methoden um 15âŻ% und steigert Transferierbarkeit.
Weiterlesen
arXiv AI Papers
Neues Retrieval-Ansatz ohne Training fĂŒr Attribution von KI-Video.
Neue trainingsfreie Methode erkennt KI-Videos, erreicht 20,5âŻ% Rangâ1âGenauigkeit, verbessert Forensik.
Weiterlesen
arXiv AI Papers
Effizientes LLM-Adversarial-Training: Low-Rank-Defense und Circuit-Guided Surrogates.
ReFTâOptimierung und SurrogatâModelle senken LAT-FLOPs um 48âŻ% bei minimalem Parameterverlust.
Weiterlesen
arXiv AI Papers
LLMâNutzung steigert wissenschaftliche ProduktivitĂ€t â Studie widerlegt StoppzeitâFehler.
LLM-Effekt bleibt positiv trotz Biaskritik, ProduktivitÀtszuwachs bestÀtigt durch robuste Designs.
Weiterlesen
arXiv AI Papers
RAID nutzt bit-reversed Bilder fĂŒr robuste KI-Image-Erkennung.
BitâPlaneâAnalyse erkennt KIâBilder zuverlĂ€ssig, nutzt GradientâPatchâAuswahl, schlĂ€gt bestehende Methoden in 40 Benchmarktests, ist 100âfach schneller.
Weiterlesen
arXiv AI Papers
PARALLEL: Sprachmodelle lernen mit vorfrontaler VerstÀrkungssteuerung.
PARALLEL verbessert SprachmodellâAnpassung durch sampleâbasierte Updates, erreicht nahezu vollstĂ€ndige Leistung bei gleicher GPUâZeit.
Weiterlesen
arXiv AI Papers
Adjudicated Captioning: Multi-Agent Beam Arbitration fĂŒr ZeroâShot Bildunterschriften.
Adjudicated Captioning steigert ZeroâShot-Bildunterschriften um 9,6âŻCIDErâPunkte durch eine MultiâAgentenâArchitektur mit RetrievalâEncoder, CrossâAttentionâVerifier und Reranker.
Weiterlesen
arXiv AI Papers
Point2Radio: Transferierbares Radiofeld-Modell aus materialbewussten Point Clouds.
Point2Radio, ein transferierbares FoundationâModel, liefert 3âD-Radiofelddaten und verbessert MAE um 76,7âŻ%.
Weiterlesen
arXiv AI Papers
Auto-JEPA: Latentes Weltmodell fĂŒr kontinuierliche Fahrabsicht.
Auto-JEPA verwendet jointâembeddingâprediction fĂŒr intentâbasierte Fahrplanung ohne Weltmodell, erzielt hohe Ergebnisse bei NAVSIM.
Weiterlesen
arXiv AI Papers
scDiffusion optimiert: SparsityâBiased ClassifierâFree Guidance fĂŒr scRNAâSequenzierung.
SBâCFG nutzt spĂ€rliche Referenzen, erhöht Genauigkeit bei scRNAâSeq-Genexpression, Zelltypkonsistenz und Sparsity.
Weiterlesen
arXiv AI Papers
Neuroverifizierung: Lookahead-Methodik steigert Marabou, αâÎČâCROWN um 34âŻ%.
Forscher verbesserten NeuralâNetzwerkâVerifikation um 34âŻ% durch LookaheadâFramework in Marabou und αâÎČâCROWN.
Weiterlesen
arXiv AI Papers
MARS: autonome Reparatur von Multi-Agent-Systemen mittels MCTS.
MARS steigert die Erfolgsrate um 12,1âŻ% dank Diagnose- und taxonomiegestĂŒtzter Monte-Carlo-Suche.
Weiterlesen
arXiv AI Papers
KIâLinguistiker testen Sechs LLMs gegen ArkansasâCrashâDatenbank.
GPTâ5.5âŻHigh erzielte höchste Ăbereinstimmung bei CrashâCodes, jedoch fielen RegelansĂ€tze vergleichbare FâScores.
Weiterlesen
arXiv AI Papers
LLM und Transformer prĂŒfen TĂ€uschungserkennung im Rechtsbereich.
FeatureâML dominiert Alltagsfelder, wĂ€hrend FewâShotâLLMs in rechtsbezogenen, ressourcenarmen DomĂ€nen dank ChainâofâThoughtâPrompts konkurrenzfĂ€hig bleiben.
Weiterlesen
arXiv AI Papers
FedSLM: SVDâbasierte Kompression fĂŒr heterogene Federated Learning Clients.
FedSLM reduziert GPUâSpeicher um 50âŻ%, nutzt SVDâKompression, fusioniert SubrĂ€ume und ĂŒbertrifft NLPâ und VisionâLanguageâBenchmarks.
Weiterlesen
arXiv AI Papers
DoubleHelix: Strukturierte Mehrfachinteraktion verbessert Audio-Visual-Spracherkennung.
DoubleHelix, eine Open-Source-Methode, erzielt 0,68âŻ% WER in multimodaler SprachÂerkennung.
Weiterlesen
arXiv AI Papers
MGLP: MultiâGranular GraphâEmbedding fĂŒr LinkâPrediction.
MGLP verbessert Linkprediction durch GranularâBallâVerfeinerung und hierarchische Distanzcodierung.
Weiterlesen
arXiv AI Papers
InferQ benchmarkiert Quanten-Simulation mit relationalen Datenbanken.
InferQ, ein SQL-basiertes QuantumâSimulationsbenchmark, ĂŒbertrifft QiskitâŻAer in Speicherbedarf und ermöglicht 97âŻ% genaue MLâVorhersagen.
Weiterlesen
arXiv AI Papers
HERO: Historienbasiertes Rollout-Training fĂŒr lange Autoregressive Neural Operators.
HERO verbessert Autoregressive Vorhersagen fĂŒr PDE-Simulationen durch historisches Rollout-Training und Fehlergewichtung.
Weiterlesen
arXiv AI Papers
Synthetic Face-DatensÀtze offenbaren ihre realen Trainingsquellen.
Synthetische GesichtsdatensĂ€tze tragen Daten; Angriffsmethode erkennt 100âŻ% und 54,5âŻ% der Trainingssets, fordert Leakage-Minderung bei KI-Anwendungen.
Weiterlesen
arXiv AI Papers
I-MLFFs beschleunigen Molekulardynamik mit selbstkonsistenten Gleichungen.
IâMLFFs reduzieren Speicherlast und Rechenaufwand bei MolekulardynamikâSimulationen um bis zu fĂŒnfmal.
Weiterlesen
arXiv AI Papers
LLM-Memory-Firewall schĂŒtzt vor provenance laundering.
Die Studie schĂŒtzt LLM-Agents vor Memory-Provenance-Laundering mittels PPMF-Middleware.
Weiterlesen
arXiv AI Papers
ActFovea: PlugâandâPlay-Schutz fĂŒr VLAâRoboteraktionen.
ActFovea verbessert die visuelle Sicherheit von VLA-Robotern, reduziert Verzerrungen, steigert Erfolgsrate von 49,3âŻ% auf 90,3âŻ%.
Weiterlesen
arXiv AI Papers
CLIFT: Gemini Robotics optimiert humanoide Robotik ĂŒber sichere OnâDevice Feinabstimmung.
SFTâAPIs verbessern HumanoidâModelle, CLIFT steigert KontaktaufgabenâLeistung.
Weiterlesen
arXiv AI Papers
MBDiff: Diffusionsmodell nutzt Nutzerverhalten zur Datenimputation.
MBDiff ist ein Diffusionsmodell, das Stromdaten um 7,04âŻ% und Wasser um 29,1âŻ% genauer imputiert.
Weiterlesen
arXiv AI Papers
MoRAE: Flow-freundliche latente fĂŒr selbstĂŒberwachtes TextâzuâBewegungsmodell.
MoRAE verbessert TextâzuâBewegungsÂgenerierung, eliminiert EngpĂ€sse, stabilisiert LatentâGeometrie und erreicht höchste QualitĂ€t.
Weiterlesen
arXiv AI Papers
SERUM: Mehrschichtiges Modell fĂŒr Nutzerverhalten aus Bildschirmaufnahmen.
SERUM verarbeitet egocentrische Videos, reduziert Halluzinationen und liefert prĂ€zisere MarkovâModelle.
Weiterlesen
arXiv AI Papers
SAF-OPD kombiniert RLVR und OPD fĂŒr stabile Distillation.
SAF stabilisiert tokenbasierte Belohnungen, verhindert Entropiekollaps, reguliert Metriken, reduziert Rechenaufwand, verbessert Qwen-Modelle.
Weiterlesen
arXiv AI Papers
MOSAIC: Maskiertes Outsourcing sicherer KI-Operationen.
MOSAIC bietet sichere, effiziente Auslagerung von KI-Rechenaufgaben in Datenzentren, nutzt LWE-basiertes Maskierungsprotokoll.
Weiterlesen