Suche
Deep Learning: Eine wissenschaftliche Theorie formiert sich
Das Paper argumentiert, dass eine wissenschaftliche Theorie des Deep Learning im Entstehen begriffen ist. Sie soll wichtige Eigenschaften und Statistiken von Trainingsprozessen, Repräsentationen, Gewichten und der Performance neuronaler Netze charakterisieren. Die Autoren fassen dazu bestehende Forschungsstränge zusammen und identifizieren fünf wachsende Arbeitsbereiche, die auf diese Theorie hindeuten.
Deep Learning: Theorie-Vakuum und Alchemie vor Lavoisier?
Elon Litman kritisiert den Zustand der Deep-Learning-Theorie: Aktuell gleiche die Disziplin eher 'Alchemie' vor Lavoisier. Die Forschung sei fragmentiert, arbeite mit widersprüchlichen Annahmen und riskiere durch immer mehr Daten und Parameter, wie Borges' Funes, die Fähigkeit zur Abstraktion zu verlieren.
Demis Hassabis: YouTube-Titel verspricht Zukunftseinblicke
Wer wissen will, wie Demis Hassabis die Zukunft baut, muss sich mit dem Titel eines YouTube-Videos begnügen. Der Inhalt des beworbenen Clips war leider nicht zugänglich.
Die LLM-Blackbox entschlüsselt: Ein visueller Karpathy-Guide
Dieser interaktive, visuelle Guide, basierend auf Andrej Karpathys technischem Deep Dive, erklärt verständlich, wie große Sprachmodelle wie ChatGPT tatsächlich gebaut werden. Er führt von der Datensammlung und -filterung über die Tokenisierung bis hin zur gesamten Trainings-Pipeline. Eine klare und detaillierte Ressource für alle, die das Innenleben von LLMs von Grund auf verstehen wollen.
MacMind: Transformer-KI läuft auf einem Mac von 1989
Vergessen Sie Nvidia-Cluster: SeanFDZ hat 'MacMind' gebaut, ein Transformer Neural Network – und zwar auf einem Macintosh von 1989 mit HyperCard. Ja, Sie haben richtig gehört. Dieses irre Projekt zeigt nicht nur, was mit Genialität auch auf uralter Hardware möglich ist, sondern entlarvt auch die oft überzogene Hardware-Hysterie im modernen KI-Zeitalter. Es ist ein faszinierendes Experiment, das die fundamentalen Prinzipien der KI jenseits von purem Rechenwahn beleuchtet.
KI-Netze & Krypto: Ihre Algorithmen sind überraschend ähnlich
Auf den ersten Blick grundverschieden, teilen neuronale Netze und kryptografische Chiffren erstaunliche algorithmische Ähnlichkeiten. Sowohl RNNs als auch SHA-3 nutzen die Sponge-Konstruktion für sequentielle Verarbeitung, während Transformer und schnelle MACs auf parallele Ansätze mit Positionskodierungen setzen. Das Kernstück beider Systeme sind identisch wiederholte lineare und nichtlineare Schichten, die für das „Mischen“ der Daten sorgen.
Konvergente Evolution: Wie diverse Modelle Zahlen ähnlich repräsentieren
Entgegen der Black-Box-Annahme lernen unterschiedliche Sprachmodelle – darunter Transformer, RNNs und LSTMs – ähnliche periodische Zahlenrepräsentationen. Diese Konvergenz ist jedoch zweistufig: Während alle Modelle Fourier-Peaks zeigen, entwickeln nur manche geometrisch separierbare Features für die Modulo-Klassifikation. Die genaue Ausprägung der Zahlenrepräsentation hängt stark von Daten, Architektur und Trainingsdetails ab.
LLMs: Schluss mit Typen-Chaos nach der Generierung?
Large Language Models erzeugen zunehmend Code für Sprachen wie Idris oder Lean. Aktuell produzieren sie jedoch untypisierte Token-Listen, deren Typsicherheit erst nachträglich und ad-hoc geprüft wird. Der Artikel hinterfragt diese "Post-Training"-Methoden und schlägt vor, LLMs von Grund auf für die direkte Erzeugung typisierter Ausgaben zu trainieren.
KI-Goblins: Wie unbeabsichtigte Muster in Modellen zum Vorschein kommen
OpenAI lüftet das Geheimnis der 'Goblins' – jener bizarren, aber faszinierenden Verhaltensweisen, die in ihren riesigen Sprachmodellen auftauchen, obwohl niemand sie programmiert hat. Es geht um emergente Phänomene: Modelle entwickeln aus der schieren Datenflut eigenständige Repräsentationen und "Skills", die wir noch nicht vollständig entschlüsseln können. Ein klarer Weckruf, der zeigt, wie unberechenbar und doch brilliant unsere KI-Systeme sein können.
DeepMind DiLoCo: KI-Training endlich robust & dezentral skalierbar
Aktuelle KI-Modelle zu trainieren ist eine Sisyphusarbeit: Es dauert oft Wochen oder Monate, und ein einziger Serverausfall kann alles zunichtemachen. DeepMind zeigt mit „DiLoCo“ jetzt, wie man verteiltes KI-Training robuster macht: Indem Berechnungen entkoppelt werden, laufen die Modelle auch bei Ausfällen weiter und sind effizienter. Das ist kein triviales Detail, sondern ein Game Changer für alle, die wirklich große Modelle zuverlässig und schnell entwickeln wollen – ein echter Schritt nach vorn in der Infrastruktur von morgen.
Karpathy's Loop erobert Hardware: KI designt CPU-Architekturen
Vergesst traditionelles Chip-Design! Ein neues Projekt nutzt Karpathy's Idee des iterativen Lernens, um eine KI eigenständig CPU-Architekturen entwerfen und optimieren zu lassen. Statt auf menschliche Expertise setzt man hier auf einen AI-Agenten, der im Simulations-Loop ständig bessere Designs findet. Das ist kein Gimmick, sondern ein faszinierender Proof-of-Concept, der zeigt, wie AI die Hardware-Entwicklung radikal verändern und zu völlig unkonventionellen Lösungen führen könnte.
Antirez: KI-Sicherheit ist kein Proof of Work – Qualität zählt
Salvatore Sanfilippo (antirez.com) stellt klar: KI-Cybersicherheit ist kein 'Proof of Work'. Der Schlüssel liegt nicht in mehr GPUs, sondern in der Intelligenz der Modelle. Nur wirklich bessere KI kann komplexe Schwachstellen wie den OpenBSD SACK-Bug erkennen und verstehen, während schwächere Modelle lediglich oberflächliche Muster abgleichen und halluzinieren.
Flow Maps: Der Integral-Boost für schnelle Diffusion
Diffusion Models sampeln iterativ, indem ein Denoiser die Tangentenrichtung eines Pfades schätzt und kleine Schritte entlang dieses Pfades macht, was effektiv einem Integral entspricht. Sander Dieleman schlägt vor, neuronale Netze zu trainieren, die dieses Integral direkt vorhersagen, was zu sogenannten 'Flow Maps' führt. Diese können jeden Punkt auf einem Pfad von jedem anderen Punkt auf demselben Pfad vorhersagen und ermöglichen schnelleres Sampling sowie effizienteres belohnungsbasiertes Lernen und bessere Sampling-Steuerbarkeit.
GLM-5V-Turbo: Ein Schritt zum nativen Fundament für Multimodal-KI
GLM-5V-Turbo wird als ein Schritt hin zu nativen Fundamentmodellen für multimodale Agenten vorgestellt. Das Modell zielt darauf ab, eine grundlegende Basis für KI-Systeme zu schaffen, die von Natur aus für die Verarbeitung und Nutzung verschiedener Modalitäten konzipiert ist.
Kodak-Bilder neu vermessen: PCA enthüllt die DNA visueller Daten
Wer dachte, die alten Kodak PCD0992 Bilder hätten ihre Geheimnisse preisgegeben, irrt sich. Dieses Projekt zerlegt jedes einzelne Bild mit Principal Component Analysis (PCA) und liefert eine statistische Charakterisierung, die aufzeigt, wie visuelle Daten wirklich aufgebaut sind. Es ist ein tiefer Tauchgang in die DNA von Bildern, unerlässlich für jeden, der mit Bild-KI arbeitet und verstehen will, was unter der Haube passiert.
Können LLMs reale Systeme in TLA+ modellieren?
Das Specula-Team untersuchte, ob LLMs reale Systeme präzise in TLA+ modellieren können. Ein Versuch mit Claude zeigte: Die erzeugte TLA+-Spezifikation für Etcd war syntaktisch korrekt und bestand den Model-Check, rekapitulierte aber die Spezifikation des Raft-Papers, statt Etcd-spezifische Details abzubilden. Dies wirft die kritische Frage auf, wie man feststellt, ob eine KI ein System tatsächlich modelliert oder nur Trainingsdaten wiedergibt.
PCA-Erweiterung: Polynom-Autoencoder verbessert Transformer-Embeddings
Ein Blogpost stellt eine Methode vor, die PCA für die Kompression von Transformer-Embeddings verbessert: Ein polynomialer Autoencoder (PAE). Dabei bleibt der Encoder eine einfache PCA, während ein quadratischer Decoder nicht-lineare Anteile der Embeddings erfasst. Diese seit 2017 bekannte, geschlossene Lösung reduziert den Informationsverlust im Vergleich zu reinem PCA und erreicht auf Benchmarks wie BEIR/FiQA eine deutlich höhere Retrieval-Qualität.
AI-Gedächtnis: Vom freien Abruf zur Schema-basierten Präzision
Die gängige AI-Speicherung via Abruf dient gut der thematischen Erinnerung, ist aber für präzise Fakten, Zustandsführung und Updates unzureichend. Dieses Papier argumentiert, dass zuverlässiges AI-Gedächtnis schema-basiert sein muss. Es wird ein iterativer, schema-bewusster Schreibpfad vorgestellt, der eine "System-of-Record"-Funktionalität statt bloßer Suche ermöglicht.
KI als Bullshit-Generator: Aphyrs schonungslose Analyse
Kyle Kingsbury (Aphyr) rechnet in seiner Präsentation schonungslos mit Large Language Models ab. Er nennt sie 'Bullshit-Maschinen', die nicht nach Wahrheit suchen, sondern lediglich überzeugend klingende statistische Muster erzeugen. Wer KIs wie diese blind vertraut, wird am Ende mit schönen Lügen da stehen – eine wichtige Mahnung, gerade in unserer KI-Euphorie.
Hae-OLS: LLM-Gedächtnis-Booster für schlanken Cache, mehr Kontext
LLMs kämpfen mit langen Kontexten, weil ihr KV-Cache massiv RAM frisst. 'Hae-OLS' bietet eine Lösung: Es fasst den Cache mit hoher Präzision zusammen, indem es wichtige Tokens via Entropie erkennt und den Rest effizient mittels Low-Rank-Rekonstruktion verarbeitet. Das Ergebnis? Längere Kontexte mit weniger Speicherbedarf, ohne Leistungseinbußen – ein smarter Move für jeden LLM-Einsatz.