Künstliche Intelligenz
Entdecken Sie praxisnahe Einblicke, Forschungsergebnisse und Benchmarks im Bereich der künstlichen Intelligenz, darunter generative KI, große Sprachmodelle, RAG, Governance-Frameworks, MLOps-Praktiken und KI-Hardware. Verschaffen Sie sich ein Verständnis für wichtige Werkzeuge, Implementierungsstrategien und Anwendungsfälle in Unternehmen, die KI-Landschaft prägen.
Künstliche Intelligenz erkunden
- LLMEinblick2. Nov
LLM-Parameter: Typen, Skalierung, Fine-Tuning-Leitfaden
Die Parameteranzahl ist eine der am häufigsten zitierten Spezifikationen eines großen Sprachmodells, aber sie bestimmt nicht, wie gut ein Modell funktioniert oder wie viel es kostet, es zu betreiben. Das folgende Diagramm vergleicht 31 Modelle anhand ihres LLM-Index-Scores und ihrer durchschnittlichen Kosten pro Aufgabe über sieben Benchmarks. Vier Modelle bilden die Pareto-Linie, bei der kein…
- KI-EthikBenchmark30. Okt
Bias in KI: Beispiele und 6 Wege, ihn zu beheben
Wir haben außerdem Entscheidungsmodelle einem Benchmark unterzogen, um zu sehen, wie sie mit Bias umgehen: Im Multiple-Choice-Teil haben wir jede Frage zweimal ausgeführt: einmal mit „kann nicht bestimmt werden“ als letzter Option (v1) und einmal mit dieser als erster Option (v2). Die Frage und die anderen Optionen bleiben gleich; nur die Position der richtigen Option…
- RAGBenchmark30. Okt
AIM-Agentic RAG Benchmark: Routing über 11 SQL-Datenbanken
Die Routing-Genauigkeit ist der Prozentsatz der bewerteten Fragen, bei denen das Modell in seiner endgültigen Antwort die richtige Datenbank explizit nennt. Die Headline verwendet die 184 Fragen, die sowohl von unserem Ähnlichkeitstest als auch von einer Jury aus drei LLMs als schwierig markiert wurden. Fehlende explizite Angaben erhalten keine Punkte. gemini-4-argon wählte bei 173 von…
- KI-Modelle29. Okt
Zeitreihenklassifikations-Benchmark: Foundation-Modelle vs. klassische Methoden
Wir haben 13 Methoden zur Zeitreihenklassifikation verglichen – von vortrainierten Zeitreihen-Foundation-Modellen bis zu einer 22-Feature-Baseline aus dem Jahr 2019 – auf 33 UCR/UEA-Datensätzen unter einem eingefrorenen Protokoll. Das sind 14.638 erfasste Methode-Datensatz-Resample-Zellen, 11.874 davon bewertet. Das Diagramm vergleicht 12 Methoden auf den 15 univariaten Datensätzen, die alle von ihnen vollständig bearbeitet wurden, wobei jeder Datensatz…
- KI in der IndustrieEinblick29. Okt
Top 50 Deep Learning Use Case & Fallstudien
Deep Learning verwendet künstliche neuronale Netze, um aus Daten zu lernen. Wenn es auf großen, hochwertigen Datensätzen trainiert wird, erreicht es eine hohe Genauigkeit, was es überall dort wertvoll macht, wo Sie über reichlich Daten verfügen und genaue Vorhersagen benötigen. Im Folgenden finden Sie reale Deep-Learning-Anwendungen in verschiedenen Branchen und Geschäftsbereichen mit konkreten Beispielen. Deep-Learning-Modelle…
- ChatbotsEinblick29. Okt
Wu Dao 3.0: Chinas multimodales KI-Modellfamilie
Als die USA China den Zugang zu fortschrittlichen Chips abschnitten, stand die Beijing Academy of Artificial Intelligence vor einer Wahl: sich über Beschränkungen beschweren oder sie umgehen. Sie entschieden sich für die zweite Option. Wu Dao 3.0, veröffentlicht im Juli 2023, wirft das Drehbuch über Bord. Keine massiven Billionen-Parameter-Modelle, die um Schlagzeilen konkurrieren. Stattdessen baut…
- KI-ProduktivitätBenchmark29. Okt
Vergleichen Sie die Top 6 der KI-Präsentations-Tools
Wir haben die Top-6-KI-Präsentations-Tools über 9 Dimensionen mit 4 verschiedenen Prompts bewertet, um ihre Kontext- und Prompt-Verständnis-Fähigkeiten, die visuelle KI-Integration sowie die Anpassungsfähigkeiten an Stimme und Markenstil zu beurteilen: Siehe die Methodik und die Bewertungskriterien, um zu verstehen, wie wir diese Ergebnisse berechnet haben. Die Punktzahlunterschiede zwischen Gamma, Google Slides mit Gemini, SketchBubble, Canva und…
- StimmungsanalyseBenchmark29. Okt
Sentimentanalyse-Benchmark-Tests: ChatGPT, Claude & Qwen
Die präzise Kennzeichnung von Emotionen und Stimmungen sowie das Erkennen von Ironie, Hassrede und Anstößigkeit bleibt eine Herausforderung und erfordert weitere Tests und Verfeinerungen. Wir haben 10 Large Language Models in fünf Sentiment-Aufgaben getestet: Emotion, Hassrede, Ironie, Anstößigkeit und Sentiment. Wir haben sie anhand der durchschnittlichen Genauigkeit über alle fünf eingestuft. Die Ergebnisse zeigen deutliche…