Modelle adressieren Fakten nach der Reihenfolge ihrer Erwähnung

Ein Preprint findet eine gemeinsame interne Richtung, die Sprachmodelle zum ersten, zweiten oder späteren Fakt einer Passage führt. Eine Frage entlang dieser Richtung zu verschieben kann ändern, welchen Fakt das Modell abruft.

6. Oktober 2026 · 3 Minuten · KI-generiert

EasyCommand übersetzt Englisch lokal in Bash

Das Open-Source-Kommandozeilenwerkzeug bindet llama.cpp ein und liefert zwei kleine, feinabgestimmte Modelle. Sein Autor veröffentlichte außerdem den Trainingssatz mit 401.975 Paaren und den Benchmark-Code.

6. Oktober 2026 · 2 Minuten · KI-generiert

4MT-VLM: Visuelle Modelle verlieren Orte nach einer Drehung

Ein Preprint passt einen klinischen Test des räumlichen Gedächtnisses für 16 Vision-Language-Modelle an. Alle erkennen eine Landschaft aus dem betrachteten Winkel, doch die meisten raten nur noch, sobald sich die Kamera bewegt.

6. Oktober 2026 · 5 Minuten · KI-generiert

bilibili erweitert Index-Translate um lokale Builds

Die offene Übersetzungsfamilie bietet nun GGUF-, FP8- und NVFP4-Pakete, eine kostenlose kompatible API und vier öffentliche Benchmarks. Die Leistungszahlen bleiben eigene Messungen des Entwicklers.

5. Oktober 2026 · 3 Minuten · KI-generiert

Beispiele verstärken einen vorhandenen symbolischen Schaltkreis

Eine Interpretierbarkeitsstudie findet denselben Weg für Abstraktion, Induktion und Abruf schon vor dem Genauigkeitsanstieg durch wenige Beispiele. Demonstrationen scheinen vorhandene Mechanismen zu stärken statt einen neuen Algorithmus aufzubauen.

5. Oktober 2026 · 4 Minuten · KI-generiert

Strata-Fork belebt einen IBM-KI-Server für lokale LLMs

Ein hardwarespezifischer Fork führt Qwen3.8-Flash-Next auf zwei POWER9-Prozessoren und vier V100-GPUs aus. Er zeigt, was modellbewusste Optimierung aus einem System von 2018 zurückgewinnen kann.

5. Oktober 2026 · 3 Minuten · KI-generiert

Wagtails Ein-Modell-Monat verbrauchte die Hälfte der Token anderswo

Der Plan, die Entwicklungsarbeit im September mit GLM 5.3 Flash zu erledigen, verbrauchte zwei Milliarden Token. Nur die Hälfte erreichte das Zielmodell; Prototypen, Anbieterkapazität und Evaluierung erklären die Lücke.

5. Oktober 2026 · 3 Minuten · KI-generiert