Forschung
Unsere Publikationen
Ausgewählte Arbeiten unserer Forscher zu maschinellem Lernen, Sprachmodellen und verteilten Systemen.
Keine Ergebnisse für diese Filter.
Publikation · 2025
[RE] GNNBoundary: Finding Boundaries and Going Beyond Them
Kurz erklärt
Diese Reproduktionsstudie untersucht GNNBoundary, eine Methode zum Verständnis von Graph Neural Networks anhand ihrer Entscheidungsgrenzen. Generierte Graphen nahe diesen Grenzen sollen sichtbar machen, welche Merkmale die Klassifikation beeinflussen.
Bedeutung für Traize
Traize verknüpft Personen, Projekte und Dokumente über Beziehungen. Forschung zum Verhalten von Graphmodellen bringt Expertise mit, um zu bewerten, wie Lernverfahren solche Beziehungen nutzen und ob ihre Entscheidungen auf aussagekräftigen Strukturen beruhen.
Publikation · 2025
DecoDINO: 3D Human-Scene Contact Prediction with Semantic Classification
Kurz erklärt
DecoDINO passt vortrainierte DINOv2-Bildmodelle an, um Kontakt zwischen Menschen und Objekten vorherzusagen. Gezieltes Fine-Tuning und aufgabenspezifische Komponenten ergänzen semantische Labels und verbessern die Kontaktvorhersage im untersuchten Benchmark.
Bedeutung für Traize
Die Anpassung leistungsfähiger vortrainierter Modelle ist ein zentraler Teil unserer Forschungsrichtung bei Traize. Diese Arbeit bringt praktische Erfahrung mit Fine-Tuning, Architekturentscheidungen und Evaluation ein, die für spezialisierte Modelle für Unternehmensaufgaben relevant ist.
Publikation · 2025
DreamerV3-XP: Optimizing exploration through uncertainty estimation
Kurz erklärt
DreamerV3-XP nutzt Unterschiede zwischen Belohnungsvorhersagen als internes Erkundungssignal. Zusammen mit priorisierter Wiederverwendung von Erfahrungen unterstützt das den Lernprozess. Die Arbeit berichtet über schnelleres Lernen auf ausgewählten Benchmarks, besonders bei seltenen Belohnungen.
Bedeutung für Traize
Für Traize geht es um die Wahl des nächsten Rechercheschritts. Die Forschung liefert Ideen, wie Agenten vielversprechende Quellen und Werkzeugaufrufe mit weniger kleinschrittiger Anleitung verfolgen können, auch wenn Rückmeldungen zu einzelnen Aktionen begrenzt sind.
Publikation · 2024
Bilingual language model for protein sequence and structure
Kurz erklärt
ProstT5 lernt die Übersetzung zwischen Proteinsequenzen und strukturellen Darstellungen. Das Modell verbindet zwei Formen derselben zugrunde liegenden Information und stellt Embeddings für weitere Analysen bereit.
Bedeutung für Traize
Auch Unternehmenswissen liegt in unterschiedlichen Formen vor, darunter Texte und strukturierte Datensätze. Die Arbeit bringt Expertise im Training von Sprachmodellen über verschiedene Darstellungen hinweg ein, relevant für die Nutzung unterschiedlicher Informationsquellen durch Traize-Agenten.
Publikation · 2023
Fluidity: Location-Awareness in Replicated State Machines
Kurz erklärt
Fluidity passt die Standorte von Replikaten an, wenn sich die räumliche Verteilung der Nachfrage verändert. Es misst Netzwerkbedingungen und verlagert Replikate, um in den untersuchten Szenarien die Antwortzeiten für die meisten Clients zu reduzieren.
Bedeutung für Traize
Jede Suche und jeder Werkzeugaufruf trägt zur Antwortzeit eines Agenten bei. Die Forschung bringt Expertise darin ein, Infrastrukturverzögerungen zu verringern und Systeme an ihre Nutzung anzupassen, für schnelle KI-Abläufe bei wachsendem Traize.
Publikation · 2021
Network Federation for Inter-Cloud Operations
Kurz erklärt
Die Arbeit stellt NetFed vor, einen Ansatz zur Netzwerkföderation für Abläufe über mehrere Cloud-Umgebungen hinweg. Sie behandelt die Infrastruktur, die Dienste über Cloud-Grenzen hinweg verbindet.
Bedeutung für Traize
KI für Unternehmen muss sich in vorhandene technische Umgebungen einfügen. Forschung zu Cloud-übergreifenden Netzwerken bringt Erfahrung für die Verbindung von Diensten und die Bewertung von Bereitstellungsoptionen bei der Weiterentwicklung von Traize mit.
Publikation · 2021
SmartStream: Towards Efficient Byzantine Resilient Data Streaming through Speculation and Sharding
Kurz erklärt
SmartStream untersucht effiziente Datenströme, die gegenüber fehlerhaften oder bösartigen Systemkomponenten widerstandsfähig sind. Spekulative Verarbeitung und Sharding dienen als Ansätze, die Effizienz replizierter Streaming-Infrastruktur zu verbessern.
Bedeutung für Traize
Aktuelles Unternehmenswissen braucht eine zuverlässige Verarbeitung von Änderungen. Diese Arbeit bringt Systemexpertise für den Informationsfluss zwischen angebundenen Werkzeugen und Traize ein, bei dem Durchsatz und verlässliche Übertragung wichtig sind.
Publikation · 2020
Self-optimising Application-agnostic Multithreading for Replicated State Machines
Kurz erklärt
Die Arbeit untersucht selbstoptimierendes Multithreading für replizierte Zustandsautomaten. Im Mittelpunkt steht eine bessere parallele Ausführung ohne anwendungsspezifische Abstimmung.
Bedeutung für Traize
Die Nachfrage verändert sich, wenn Teams und automatisierte Abläufe eine Plattform nutzen. Forschung zur automatischen Leistungsoptimierung bringt Expertise dafür mit, gemeinsame Dienste schnell zu halten und vorhandene Rechenressourcen effizient zu nutzen.
Publikation · 2018
Resource-Efficient State-Machine Replication with Multithreading and Vertical Scaling
Kurz erklärt
Die Arbeit untersucht, wie Multithreading und vertikale Skalierung die Replikation von Zustandsautomaten ressourceneffizienter machen können. Dabei geht es um eine bessere Nutzung der Rechenkapazität innerhalb der Server zuverlässiger Dienste.
Bedeutung für Traize
Zu den Kosten von KI gehören auch die Dienste, die Informationen speichern, abrufen und übertragen. Diese Forschung bringt den Blick auf Ressourceneffizienz in Traizes Ziel ein, vollständige KI-Abläufe wirtschaftlich zu betreiben.