KI-Modelle
KI-Modelle machen Vorhersagen auf Basis ihrer Trainingsdaten. Sie können in jedem Bereich eingesetzt werden, beispielsweise in Zahlen, Texten oder Multimedia-Inhalten.
- LLMBenchmark18. Sep
Agentic IT: Können KI-Agenten einen Benchmark entwerfen
Wir haben 16 Models anhand eines Benchmark-Entwurfs in Text-zu-SQL und Tool-Calling getestet. Jedes Model erstellte einen Benchmark pro Thema, insgesamt 32 Einreichungen. Keine Einreichung erfüllte jedes Rubrik-Kriterium. Die Agenten konnten Tests erstellen und ausführen, aber keiner führte sowohl einen Leerantwort-Test als auch einen Richtigantwort-Test des eigenen Scorers vor. Text-zu-SQL wandelt eine Frage in natürlicher Sprache…
- LLMBenchmark17. Sep
AIM Enterprise: Agentischer Unternehmens-Benchmark
Unternehmen nutzen LLMs jeden Tag für ihre regulären Aufgaben. Um die kosteneffizientesten LLMs zu finden, haben wir AIM Enterprise entwickelt, einen agentischen Unternehmens-Benchmark, bei dem wir 69 reale Unternehmensaufgaben aus Strategie, Marketing, HR, Vertrieb und Betrieb verwendet haben. Zwei Bewerter-Models bewerteten jede Datei, die Prüfungen bestand. Bei 32,7 % der Einzelbewertungen wichen die beiden um…
- KI-ModelleEinblick15. Sep
World Foundation Models: 10 Anwendungsfälle
Das Training von Robotern und autonomen Fahrzeugen (AVs) in der physischen Welt kann kostspielig, zeitaufwendig und riskant sein. World Foundation Models bieten eine skalierbare Alternative, indem sie realistische Simulationen realer Umgebungen ermöglichen. Diese Models beschleunigen Entwicklung und Einsatz in Robotik, AVs und anderen Bereichen, indem sie die Abhängigkeit von physischen Tests reduzieren. Erfahren Sie, wie…
- KI-ModelleEinblick15. Sep
Zeitreihen-Foundation-Modelle: Anwendungsfälle & Vorteile
Zeitreihen-Foundation-Modelle (TSFMs) sind vortrainierte Modelle, die Zeitreihendaten prognostizieren, klassifizieren, imputieren und Anomalien erkennen, ohne dass für jeden Datensatz oder jede Branche ein separates Modell erforderlich ist. TSFMs nutzen transformerbasierte Architekturen und große Zeitreihen-Datensätze, um über Domänen wie Finanzen, Einzelhandel, Energie und Gesundheitswesen zu generalisieren. Entdecken Sie die Architektur, Anwendungsfälle, den Einsatz in Branchen, Vorteile, Herausforderungen…
- KI-ModelleBenchmark15. Sep
Vergleich relationaler Foundation-Modelle
Wir haben SAP-RPT-1-OSS mit Gradient Boosting (LightGBM, CatBoost) auf 17 tabellarischen Datensätzen verglichen, die das semantisch-numerische Spektrum abdecken: kleine/hochgradig semantische Tabellen, gemischte Geschäftsdatensätze sowie große, wenig semantische numerische Datensätze. Unser Ziel ist es zu messen, wo die durch Vortraining erworbenen semantischen Priors eines relationalen LLM Vorteile gegenüber traditionellen Baummodellen bieten können und wo sie bei…
- LLMEinblick15. Sep
LLM Skalierungsgesetze: Analyse von KI-Forschern
LLM sagen das nächste Token basierend auf Mustern voraus, die aus Textdaten gelernt wurden. Der Begriff LLM-Skalierungsgesetze bezieht sich auf empirische Regelmäßigkeiten, die Modellleistung mit der Menge an Rechenleistung, Trainingsdaten und den während des Trainings verwendeten Modellparametern verknüpfen. Um zu verstehen, wie diese Beziehungen das moderne Modelldesign in der Praxis beeinflussen, haben wir Erkenntnisse…
- LLMBenchmark15. Sep
Zielgruppensimulation: Können LLMs menschliches Verhalten vorhersagen?
Im Marketing ist die Bewertung, wie genau LLMs menschliches Verhalten vorhersagen, entscheidend, um ihre Wirksamkeit dabei zu beurteilen, die Bedürfnisse des Publikums zu antizipieren und die Risiken von Fehlausrichtung, ineffektiver Kommunikation oder unbeabsichtigter Beeinflussung zu erkennen. Zielgruppensimulation mit LLMs ermöglicht die Modellierung virtueller Zielgruppen und hilft Unternehmen, Reaktionen auf Inhalte oder Produkte zu antizipieren, ohne…
- LLMEinblick2. Sep
LLM Observability-Tools: Weights & Biases, Langsmith
LLM-Anwendungen haben sich von Single-Turn-Chats zu mehrstufigen Agenten entwickelt, die Tools verwenden, Datenbanken abfragen und mit anderen Modellen koordinieren, wodurch ihr Verhalten schwieriger zu interpretieren ist. LLM-Observability bietet kontinuierliche Transparenz über diese komplexen Workflows und hilft Unternehmen, die Qualität zu überwachen, Fehler zu erkennen, Probleme zu beheben sowie Leistung und Kosten zu verwalten. W&B Weave…