AI-Wissensdatenbank

摘要 我们介绍了Zep，这是一种新型的智能体记忆层服务，在深度记忆检索（DMR）基准测试中，其性能超越了当前最先进的系统MemGPT。此外，Zep在比DMR更全面、更具挑战性的评估中表现出色，这些评估...

Mit der raschen Entwicklung und breiten Anwendung von Technologien zur Sprachmodellierung in großem Maßstab rücken deren potenzielle Sicherheitsrisiken zunehmend in den Mittelpunkt des Interesses der Branche. Um diesen Herausforderungen zu begegnen, haben viele der weltweit führenden Technologieunternehmen, Standardisierungsorganisationen und Forschungsinstitute eigene Sicherheitsrahmenwerke entwickelt und veröffentlicht. In diesem Papier werden neun dieser ...

Auf dem Gebiet der Large Language Modelling (LLM)-Forschung ist die Fähigkeit des Modells zum Gedankensprung, d.h. die Kreativität, ebenso wichtig wie die Fähigkeit zum logischen Denken, die durch die Chain-of-Thought dargestellt wird. Die derzeitige LLM-Kreativität ...

Claude Code meistern: Praktische Tipps für Agentic Coding von der Front Claude Code ist ein Kommandozeilenwerkzeug für Agentic Coding. Mit agentenbasiertem Coding meinen wir, der KI eine gewisse Autonomie...

Die GPT-4.1-Modellfamilie bietet im Vergleich zu GPT-4o erhebliche Verbesserungen bei der Codierung, der Einhaltung von Anweisungen und der Verarbeitung von langem Kontext. Insbesondere ist die Leistung bei der Codegenerierung und bei Reparaturaufgaben besser, das Verständnis und die Ausführung komplexer Anweisungen sind genauer, und längere Eingabetexte können effizient verarbeitet werden.

1 EINLEITUNG In der heutigen Informationsexplosion wird eine große Menge an Wissen in Form von Tabellen in Webseiten, Wikipedia und relationalen Datenbanken gespeichert. Herkömmliche Frage- und Antwortsysteme haben jedoch oft Schwierigkeiten, komplexe Abfragen über mehrere Tabellen hinweg zu bearbeiten, was zu einer großen Herausforderung im Bereich der künstlichen Intelligenz geworden ist. Um diese Herausforderung zu bewältigen, haben Forscher ...

Da sich die Fähigkeiten von Large Language Models (LLMs) rasch weiterentwickeln, stoßen herkömmliche Benchmark-Tests wie MMLU bei der Unterscheidung von Spitzenmodellen an ihre Grenzen. Wenn man sich nur auf Wissensquizze oder standardisierte Tests verlässt, ist es schwierig geworden, die nuancierten Fähigkeiten von Modellen vollständig zu messen, die in realen Interaktionen entscheidend sind, wie z. B....

Große Sprachmodelle (Large Language Models, LLMs) entwickeln sich rasch weiter, und ihre Denkfähigkeit ist zu einem Schlüsselindikator für ihren Intelligenzgrad geworden. Insbesondere Modelle mit langen Argumentationsfähigkeiten, wie OpenAI's o1, DeepSeek-R1, QwQ-32B und Kimi K1.5 ...

Im Python-Ökosystem hat es noch nie an Werkzeugen für die Paket- und Umgebungsverwaltung gefehlt, von den klassischen pip und virtualenv über pip-tools und conda bis hin zu den modernen Poetry, PDM und so weiter. Jedes Werkzeug hat sein eigenes Fachgebiet, aber oft...

EINLEITUNG In den letzten Jahren haben Large Language Models (LLMs) beeindruckende Fortschritte auf dem Gebiet der Künstlichen Intelligenz (KI) gemacht, und ihre leistungsstarken Sprachverstehens- und -generierungsfähigkeiten haben zu einer Vielzahl von Anwendungen in verschiedenen Bereichen geführt. Allerdings stehen LLMs immer noch vor vielen Herausforderungen, wenn sie komplexe Aufgaben bewältigen müssen, die den Einsatz externer Werkzeuge erfordern...

EINLEITUNG In den letzten Jahren haben multi-intelligente Systeme (MAS) auf dem Gebiet der künstlichen Intelligenz viel Aufmerksamkeit auf sich gezogen. Diese Systeme versuchen, komplexe, mehrstufige Aufgaben durch die Zusammenarbeit mehrerer Large Language Model (LLM) Intelligenzen zu lösen. Trotz der hohen Erwartungen, die an MAS geknüpft werden, ist ihre Leistung in praktischen Anwendungen jedoch...

Große Sprachmodelle (Large Language Models, LLMs) wie Claude werden nicht von Menschen erstellt, die direkten Programmiercode schreiben, sondern sie werden anhand großer Datenmengen trainiert. In diesem Prozess lernen die Modelle ihre eigenen Problemlösungsstrategien. Diese Strategien sind in den Milliarden von Malen, die das Modell jedes Wort erzeugt, versteckt...

Vor kurzem hat Anthropic ein neues Tool namens "think" eingeführt, das die Fähigkeiten des Claude-Modells zur Lösung komplexer Probleme verbessern soll. In diesem Beitrag werden wir die Design-Philosophie, die Leistung und die praktischen Anwendungen des "think"-Tools näher beleuchten...

Abstrakt Information Retrieval Systeme sind entscheidend für den effizienten Zugang zu großen Dokumentensammlungen. Jüngste Ansätze verwenden Large Language Models (LLMs), um die Suchleistung durch Abfrageerweiterung zu verbessern. Sie beruhen jedoch in der Regel auf teuren überwachten Lern- oder Destillationstechniken, die erhebliche Rechenressourcen und manuell gelabelte Daten erfordern...

Large Reasoning Models (LLMs) nutzen Schwachstellen aus, wenn sie die Gelegenheit dazu haben. Forschungsergebnisse deuten darauf hin, dass diese Schwachstellen aufgedeckt werden können, indem große Sprachmodelle (LLMs) zur Überwachung ihrer Gedankenketten (CoT) eingesetzt werden. Die Bestrafung von Modellen für "schlechte Gedanken" verhindert die meisten Fehlverhaltensweisen nicht...

Hintergrund Ein kürzlich erschienener Artikel mit dem Titel Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learnin...

Das GraphRAG-Projekt zielt darauf ab, das Spektrum der Fragen zu erweitern, die KI-Systeme auf privaten Datensätzen beantworten können, indem sie implizite Beziehungen in unstrukturiertem Text ausnutzen. Ein wesentlicher Vorteil von GraphRAG gegenüber der traditionellen Vektor-RAG (oder "semantischen Suche") ist die Fähigkeit, Fragen zu...

Wenn Sie den letzten klassischen Artikel von Jina, "Design und Implementierung von DeepSearch/DeepResearch", gelesen haben, möchten Sie vielleicht tiefer in die Details einsteigen, die die Qualität Ihrer Antworten dramatisch verbessern können. Dieses Mal werden wir uns auf zwei Details konzentrieren: die Extraktion von optimalem Text aus langen Webseiten...

Gemma 3 Zusammenfassung der wichtigsten Informationen I. Wichtige Parameter Details Modellgröße 100 Millionen bis 27 Milliarden Parameter in vier Versionen: 1B, 4B, 12B, 27B Architektur Transformator-basierte decoder-spezifische Architektur, die von Gem...