11 Nachrichten — 🟡 4 wichtig , 🟢 7 interessant
DiffusionGemma ist Googles Diffusions-Sprachmodell, das im kontinuierlichen latenten Raum operiert. Eine Studie von 13 Autoren unter der Leitung von Neel Nanda zeigt, dass die anfängliche Undurchsichtigkeit 28,6× größer ist als bei Gemma 4, ein interpretierbarer Token-Bottleneck diese Differenz jedoch auf nur 1,1× reduziert.
SSD (Spatially Speculative Decoding) ist eine neue Methode, die beim autoregressiven Generieren von Bildern gleichzeitig den horizontalen und vertikalen Nachbarpixel vorhersagt und damit eine bis zu 13,3-fache Beschleunigung ohne Qualitätsverlust auf den Benchmarks DPG-Bench und GenEval erzielt.
TimeProVe ist ein Framework, das die KI-Inferenz über lange Videos beschleunigt, indem es einen zweistufigen „Vorschlagen und Verifizieren”-Ansatz einführt. Es reduziert Aufrufe teurer Modelle um 75 % und die Gesamtkosten der Inferenz um 93 %, während es den stärksten Konkurrenten auf dem neuen OpenTSUBench-Benchmark um 7,3 Prozentpunkte übertrifft.
VIMPO ist eine neue Reinforcement-Learning-Methode für LLM-Reasoning, die aus KL-regularisiertem RL eine implizite Wertfunktion ableitet — ohne separates Kritiker-Netzwerk. Sie übertrifft GRPO auf vier mathematischen Benchmarks, darunter AIME 2024 und AIME 2025, wobei die Vorteile auch unter verrauschten Belohnungsbedingungen stabil bleiben.
HumanScale ist ein systematischer Vergleich (Peking University und MIT, 21 Autoren), der zeigt, dass gefiltertes egozentrisch aufgenommenes Menschenvideo eine um 52,5 % höhere Erfolgsrate bei bekannten Aufgaben und sogar eine um 90 % höhere Erfolgsrate bei unbekannten Robotermanipulationsaufgaben erzielt als Modelle, die ausschließlich auf Roboterdaten vortrainiert wurden.
Contagion Networks ist ein mathematischer Rahmen, der die Ausbreitung von Verzerrungen zwischen LLM-Agenten quantifiziert. In Experimenten mit drei DeepSeek-chat-Agenten liegen die Ansteckungskoeffizienten γ zwischen 0,157 und 0,352, während eine Vergrößerung des Evaluatorgremiums von 1 auf 3 Mitglieder die Ansteckung um 72,4 % reduziert.
H-RePlan ist ein System, das KI-Agenten, die Linux und Android gleichzeitig verwalten, eine autonome Fehlerwiederherstellung ermöglicht — die lokale Wiederherstellungsstrategie jeder Plattform ist vom globalen Replanning des Orchestrators getrennt, was Token-Kosten senkt und die Aufgabenerfolgsrate erhöht.
Abdul Rafay Syed identifizierte eine gemeinsame Richtung im Aktivierungsraum von vier LLM-Familien — Qwen2.5, Gemma-2, Llama-3.2 und Ministral-3 — die ausgerichtete von fehlausgerichteten Modellen mit 99,6 % Genauigkeit trennt, während gerichtetes Steering den Abfluss von unsicherem Code um 21–51 Punkte reduziert.
NeuroImprint ist ein Angriff, der PEFT-Adapter im föderalen Fine-Tuning korrumpiert und 59–79 % aller Trainingsbeispiele mit hoher semantischer Treue rekonstruiert. Getestet auf BERT, GPT-2, Qwen2 und Llama 3.2, bleibt der Angriff unentdeckt, da das Modell seine normale Nützlichkeit behält.
