Moderne autonome Agenten verbessern sich selbstständig durch strukturierte Updates an Modellen und ihrer Infrastruktur, was eine Systematik für Produktion verlangt.
Soofi S 30B-A3B ist ein auf deutschen Daten trainiertes Open-Source-Sprachmodell mit Mixture-of-Experts-Architektur, das durch selektive Parameter-Aktivierung (3B/30B) Throughput-Vorteile bei langen Kontexten bietet.
WARP rekonstruiert die Trainingsquellen-Mischungen von Sprachmodellen aus ihren Gewichten und erreicht dabei mittlere absolute Fehler von 0,046 bei BERT und 0,104 bei GPT-2.
Das Model Profiler aggregiert Modellmetadaten aus sieben Datenquellen in einer einzigen Weboberfläche mit Filterung, Vergleich und Verfügbarkeitskarten, um die Modellauswahl für CTOs zu beschleunigen.
Orca verbindet Video, Sprache und visuelle Fragen in einem einheitlichen latenten Raum und zeigt, dass dieses unified world model spezialisierte Modelle bei Text-, Bild- und Aktionsprognosen übertreffen kann.
Orca lernt eine gemeinsame Welt-Repräsentation aus Videos und Sprachannotationen und ermöglicht damit Text-Generierung, Bildvorhersage und Steuerung von Agenten mit gefrozenem Backbone und modularen Decodern.
Qwen-AgentWorld trainiert Sprachmodelle auf Basis von über 10 Millionen Interaktionstrajectories als Umweltsimulator, um KI-Agenten durch virtuelle Umgebungen zu trainieren und deren Performance über sieben Benchmarks zu verbessern.
Qwen-AgentWorld nutzt Sprachmodelle als gelernte Umweltsimulationen, um autonome Agenten effizient zu trainieren und ihr Reasoning über Kettenfolgerung zu verbessern.
InternVideo3 ermöglicht Foundation-Modellen, längere Videosequenzen mit iterativem Reasoning und Werkzeugnutzung zu analysieren, ohne dabei in Effizienzprobleme bei der KV-Cache-Verwaltung zu geraten.
NVIDIA automatisiert Workflows in der Physical-AI-Forschung durch neue Agent Skills, die Szenenrekonstruktion, Datengeneration und Policy-Training für autonome Fahrzeuge, Robotik und Vision-AI skalierbar machen.
Kleine persistente Adapter auf gemeinsamen Basismodellen können eine praktikable Infrastruktur für Millionen personalisierter KI-Modelle bilden, wenn Skalierung, Identitätsverwaltung und Serving-Anforderungen systematisch gelöst werden.
