Einfache Gerüste schlagen gebaute Wurzelursachen-Agenten: 65 bis 77 Prozent Trefferquote gegen 16 bis 53 26. Oktober 2026
Kalibriertes Messinstrument erkennt Verhaltensdrift, die Reasoning-Fähigkeiten bei Sprachmodellen verschleiern 19. Oktober 2026
SCB: SpeechConversationBench für die Bewertung multi-erfolgreicher Rechtfertigungen in Sprachzu-sprachmodellen 30. September 2026
PhysVista: Benchmark für physische Intelligenz in VLMs über eine Wahrnehmen-Reasoning-Bewertung-Schleife (NeurIPS 2026) 30. September 2026
KI-Digest
DO · 29. Oktober 2026
KI-Digest
DO · 29. Oktober 2026
