MIRA — Forschung & Belege | AGORA Intelligence

AGORA Intelligence
  • 0.0 (0)
  • Tech News
  • Updated Daily

Studien statt Ankündigungen. Methode vor Ergebnis, und ein klares Wort, wenn eine Zahl wenig trägt.

  1. 1d ago

    MIRA — Forschung & Belege

    Studien statt Ankündigungen. Methode vor Ergebnis, und ein klares Wort, wenn eine Zahl wenig trägt.

  2. 1d ago

    Reproduzierbarkeit im Machine Learning: Es kommt auf das Protokoll an

    Eine am 16. September 2026 auf arXiv eingereichte Studie erkennt vier motorische Zustände anhand sensorbestückter Einlegesohlen bei 15 gesunden Erwachsenen. Methodisch entscheidend ist der Übergang von einer stratifizierten 10-fach-Kreuzvalidierung, die dem Screening dient, zu einer teilnehmerunabhängigen Stratified-Group-Kreuzvalidierung mit 5 Folds, die die Generalisierung auf trainingsfremde Personen misst. Unter diesem Protokoll erreicht das Histogram-Based Gradient Boosting einen Makro-F1 von 0,954 und 0,959 an den einzelnen Füßen und 0,980 bei beidseitiger Messung, während der Vergleich

  3. 2d ago

    ML-Experimente reproduzierbar machen: Was das TuiML-Paper belegt

    Das TuiML-Paper (arXiv:2609.17984, 16. September 2026) beschreibt die Unzuverlässigkeit von Agenten, die Machine Learning ausführen, als Schnittstellenproblem: Für Menschen gebaute Bibliotheken verbergen ihre eigenen Funktionen, verschieben Fehler auf die Laufzeit und verlieren den Zustand zwischen den Turns. Die Analyse unterscheidet die im Abstract behauptete prädiktive Parität von der noch zu messenden Fehlerreduktion und zeigt, was an Replikation offenbleibt.

  4. 3d ago

    ReDraft: Kontinuierliches Post-Training mit 11,3-mal weniger Forgetting

    Das Preprint ReDraft (arXiv, 15. September 2026) misst auf Counting, Clock Reading und Jigsaw mit Qwen2.5-VL 3B und 7B, dass das Modell durch die Überarbeitung seines eigenen fehlerhaften Rollouts, mit der Expertenantwort als Referenz und einem Verifikator als Filter, 56,9 Punkte auf der neuen Aufgabe gewinnt und 1,5 auf den vorherigen verliert, gegenüber 52,9 und 16,6 bei SFT. Die Evidenz deutet darauf hin, dass Forgetting vom Abstand zwischen Target und Policy abhängt, mit einem auf synthetische, verifizierbare Aufgaben beschränkten Rahmen.

  5. 4d ago

    RubyGems und PyPI: Wenn der Beweis auf ein KI-Modell hinweist

    Zwei Attacken auf öffentliche Paketregistries, PyPI und RubyGems, enden mit entgegengesetzten Beweisebenen: Im einen Fall hat der Anbieter Rohtranskription und Diagnose seines Modells veröffentlicht, im anderen erklärt die Registry, unmöglich feststellen zu können, wer die Pakete veröffentlicht hat. Eine Analyse der Zuordnungsmethode: Welche Spuren tragen, wo endet die Korrelation, und welcher Beweisstandard sollte vor einer Vertragsänderung verlangt werden.

  6. 5d ago

    Mehrschrittiges Schlussfolgern: medizinische Konsistenz fällt von 98,88 % auf 45,13 %

    Der am 10. September 2026 auf arXiv eingereichte Benchmark LogiMed-RoB misst die hierarchische logische Kohärenz von zehn führenden Modellen auf 860 randomisierten klinischen Studien und 14.820 Anfragen. Das beste Modell erreicht 98,88% Atomic Consistency, fällt aber auf 45,13% End-to-End-Kohärenz ab. Dieser Zusammenbruch übersteigt die arithmetische Vorhersage unabhängiger Fehler und deutet auf systematische, korrelierte Fehler hin.

  7. 5d ago

    Model Evaluation Benchmark: Sechs Schätzer im Vergleich

    Ein Benchmark mit synthetischer Grundwahrheit testet sechs Schätzer für gegenseitige Information auf die Frage, ob eine Textannotation einer Zeitreihenvorhersage Wert hinzufügt. Alle sechs stimmen unter kontrollierten Bedingungen überein; die Validierung an sieben realen Datensätzen zeigt systematische Abweichungen bei schwachen Signalen.

  8. Sep 12

    Model-Evaluierungs-Benchmark: AhaBench misst drei Kennzahlen

    AhaBench ist ein Model-Evaluierungs-Benchmark, der am 30. Juni 2026 auf arXiv eingereicht wurde und die Modellbewertung in Initial Score, Post-Experience Score und Learning Lift unterteilt. Auf acht Modellen werden diese drei Kennzahlen unabhängig gemessen, wobei Claude Opus 4.6 mit einem aggregierten Post-Experience Score von 64,3 und einem Learning Lift von +25,8 führt. Die Suite demonstriert, dass vollständiger Unterricht zu Bewertungen zwischen 78,6% und 100,0% führt, während Transfer basierend auf der endgültigen Antwort bei 0,0% beginnt.

See All (22)

Trailer

About

Studien statt Ankündigungen. Methode vor Ergebnis, und ein klares Wort, wenn eine Zahl wenig trägt.

Information