- Machine learning can boost the value of wind energy
DeepMind und Google zufolge kann maschinelles Lernen Windstrom besser planbar machen und seinen Wert erhöhen; berichtet wird ein bisheriger Zuwachs von rund 20 Prozent, während das Verfahren noch weiterentwickelt wird.
- Spinning Up in Deep RL: Workshop review
OpenAI bewertet den ersten Deep-RL-Workshop anhand positiver Rückmeldungen zu Betreuung und Lernatmosphäre, erkennt aber zu wenig Zeit und unklare Projekte als Schwächen des eintägigen Formats.
- AI safety needs social scientists
OpenAI wirbt für rein menschliche Experimente und interdisziplinäre Forschung, um zu untersuchen, wie menschliche Werte und Denkverzerrungen die Ausrichtung von KI beeinflussen; Ergebnisse dazu enthält der Bericht noch nicht.
- Better language models and their implications
Der Bericht beschreibt GPT‑2 als leistungsfähiges, aber fehleranfälliges Sprachmodell und begründet mit möglichen Missbrauchsrisiken eine zunächst eingeschränkte, später gestufte Veröffentlichung.
- Computational limitations in robust classification and win-win results
Der vorliegende Abstract-Auszug behauptet: Entweder gelingt effizientes robustes Lernen, oder entsprechende Gegenbeispiele ermöglichen kryptografische Primitive wie Einwegfunktionen.
- AlphaStar: Mastering the real-time strategy game StarCraft II
DeepMind berichtet von AlphaStars 5:0-Siegen gegen zwei StarCraft-II-Profis, weist aber auf den begrenzten Versuchsrahmen mit einer Rasse, einer Karte und einer direkten Spielschnittstelle hin.
- OpenAI Fellows Summer 2018: Final projects
Der OpenAI-Bericht stellt sechs Fellows und ihre Forschungsprojekte vor, darunter Arbeiten zu RL-Übertragung, Überanpassung und generativen Modellen, fasst deren Ergebnisse jedoch nur zusammen.
- Advanced Generics and protocols in Swift.
Ein vollständiger Swift-4.2-Tutorialbeitrag beschreibt einen generischen SWAPI-Client, der laut Autor wiederholte Modelle und Methoden reduziert, ohne seine Lösung unabhängig zu evaluieren.
- How AI training scales
Laut Bericht sagt die Gradientenrauschskala ungefähr voraus, wie weit paralleles KI-Training skaliert werden kann; eine weitere Ausdehnung auf künftige Systeme bleibt eine begründete, aber nicht gesicherte Erwartung.
- AlphaZero: Shedding new light on chess, shogi, and Go
Laut DeepMind besiegte AlphaZero führende Programme in drei Brettspielen und entwickelte dabei eigenständige Strategien; die Übertragung dieses Lernansatzes auf reale Aufgaben bleibt laut Bericht offen.
- Quantifying generalization in reinforcement learning
CoinRun macht sichtbar, dass Reinforcement-Learning-Agenten auch nach umfangreichem Training auf neue Levels überanpassen können, wobei einige Architektur- und Trainingsmethoden die Verallgemeinerung verbessern.
- Functional programming in Swift
Der vollständige Bericht zeigt anhand von Core-Image-Filtern, wie Swift-Funktionen zusammengesetzt und mit einem Operator verkettet werden können; die behaupteten Lesbarkeitsvorteile werden nicht systematisch untersucht.
- Scaling Streams with Google
DeepMind kündigt den Wechsel des Streams-Teams zu Google an und verspricht, die App mit NHS-Partnern weiterzuentwickeln, während diese laut Beitrag die Kontrolle über Patientendaten behalten.
- Spinning Up in Deep RL
Der Bericht kündigt OpenAIs einsteigerorientiertes Deep-RL-Lernangebot samt Code, Übungen und damaligen Unterstützungsplänen an, ohne deren spätere Ergebnisse zu bewerten.
- Learning concepts with energy functions
Der Bericht behauptet, ein energiebasiertes Modell könne einfache Konzepte aus wenigen Beispielen erkennen, erzeugen und zwischen Umgebungen übertragen, doch die beschriebenen Ergebnisse sind begrenzt und nicht unabhängig belegt.
- Predicting eye disease with Moorfields Eye Hospital
Der Bericht kündigt eine KI-Forschungsstudie zur frühen Vorhersage von AMD an, liefert aber noch keine Ergebnisse.
- Plan online, learn offline: Efficient learning and exploration via model-based control
Der vorliegende Abstract-Auszug stellt POLO als Verbindung von Planung, Wertfunktionslernen und Exploration vor und berichtet Erfolge bei simulierten Steuerungsaufgaben, ohne im Auszug Belege oder Versuchsdaten zu liefern.
- Reinforcement learning with prediction-based rewards
OpenAI zufolge half RND Reinforcement-Learning-Agenten, bislang schwer erkundbare Spiele besser zu meistern, wobei die Resultate von Versuchsumgebung und sorgfältiger Umsetzung abhingen.
- Learning complex goals with iterated amplification
Iterierte Verstärkung schnitt in fünf künstlichen Aufgaben laut Bericht vergleichbar mit überwachtem Lernen ab, ist aber ein vorläufiger Ansatz ohne Nachweis für realistische Sicherheitsprobleme.
- Open sourcing TRFL: a library of reinforcement learning building blocks
TRFL ist DeepMinds Open-Source-Sammlung von TensorFlow-Bausteinen für Reinforcement Learning, nicht aber eine Bibliothek vollständiger Agenten.
- OpenAI Scholars 2019: Applications open
Der Bericht beschreibt OpenAIs Ausschreibung für den zweiten Scholar-Jahrgang 2019, nennt Leistungen und Auswahlkriterien, aber keine späteren Ergebnisse.
- OpenAI Fellows Winter 2019 & Interns Summer 2019
Der historische Bericht skizziert OpenAI-Fellows und -Praktika für 2019 samt Fristen, enthält aber einen Widerspruch beim Start der allgemeinen Bewerbungsrunde und sagt nichts über heutige Angebote aus.
- Expanding our research on breast cancer screening to Japan
DeepMind und das Jikei-Krankenhaus planen eine internationale Studie zur KI-Auswertung anonymisierter Brustbilder; Ergebnisse liegen laut Bericht noch nicht vor.
- FFJORD: Free-form continuous dynamics for scalable reversible generative models
Der Auszug beschreibt FFJORD als umkehrbares generatives Modell mit Differentialgleichungen und unverzerrter Dichteschätzung; die behaupteten Spitzenresultate sind hier mangels konkreter Belege nicht prüfbar.
- Preserving Outputs Precisely while Adaptively Rescaling Targets
Laut Bericht verbesserte PopArt das gemeinsame Lernen auf 57 Atari-Spielen, indem es unterschiedliche Belohnungsskalen ausgleicht und gelernte Ausgaben bewahrt.
- Using AI to plan head and neck cancer treatments
Ein frühes DeepMind-KI-System segmentiert laut Bericht Bestrahlungsaufnahmen schnell und auf fachlichem Niveau, muss aber noch im klinischen Umfeld geprüft werden.
- OpenAI Scholars 2018: Final projects
OpenAI stellt acht vielfältige Scholars-Projekte und die nächsten Schritte der Teilnehmenden vor, liefert jedoch kaum messbare Ergebnisse und kündigt weitere Programmaktivitäten an.
- Prototyping with code
Der Artikel schildert, wie das Panels-Team durch schnelles Prototyping eine einhändige Zoomsteuerung für Comics entwickelte, die laut Autor gut angenommen wurde.
- The International 2018: Results
OpenAI Five verlor zwei enge Spiele gegen Dota-Profis; OpenAI sieht weiteren Trainings- und Entwicklungsbedarf, ohne eine einzelne Ursache für die Niederlagen zu belegen.
- Safety-first AI for autonomous data centre cooling and industrial control
Laut DeepMind und Google steuert ihre KI die Kühlung mehrerer Rechenzentren und spart dabei durchschnittlich rund 30 Prozent Energie; der Bericht nennt Sicherheitsvorkehrungen, bietet aber keine unabhängige Prüfung der Ergebnisse.
- A major milestone for the treatment of eye disease
Ein KI-System zur schnellen Auswertung von Augenaufnahmen zeigt laut DeepMind und Moorfields frühe vielversprechende Ergebnisse, muss aber vor einem klinischen Einsatz noch geprüft und zugelassen werden.
- Large-scale study of curiosity-driven learning
Der Bericht liegt nur als Abstract vor: Er behauptet, dass neugiergetriebenes Lernen in vielen Spielbenchmarks funktioniert, aber bei stochastischen Umgebungen Grenzen hat.
- Objects that Sound
Laut Bericht können gemeinsam trainierte Bild- und Tonnetze aus nicht annotierten Videos passende Geräusche und Bilder verknüpfen und klingende Objekte lokalisieren, wobei die Lokalisierung einzelne Frames ohne Bewegungsinformationen verarbeitet.
- OpenAI Five Benchmark: Results
OpenAI berichtet, dass OpenAI Five 2018 zwei Spiele gegen ein Spitzenteam gewann, selbst Heldenaufstellungen auswählte und für sein jüngstes Modell geschätzt 35 Petaflop/s-Tage Trainingsaufwand benötigte.
- Learning dexterity
Dactyl übertrug ausschließlich in Simulation erlernte Objektmanipulation auf einen realen Roboter; Randomisierung half bei den getesteten Blöcken und einem Prisma, doch die Leistung war nicht für alle Objektformen zuverlässig.
- Variational option discovery algorithms
Der vorliegende Auszug beschreibt VALOR und ein Curriculum, das laut Abstract das Training zur Entdeckung vielfältiger Verhaltensoptionen stabilisiert.
- OpenAI Scholars 2018: Meet our Scholars
OpenAI beschreibt acht ausgewählte Scholars, die 2018 den Wechsel ins Machine Learning vollzogen; der Bericht stellt fünf von ihnen vor und kündigt spätere Abschlussprojekte an.
- OpenAI Five Benchmark
OpenAI kündigt ein Dota-Benchmarkspiel gegen Spitzenspieler an, doch die bereitgestellte Ankündigung enthält keinen Spielausgang und lässt bei einigen Regeln Widersprüche erkennen.
- Measuring abstract reasoning in neural networks
Neuronale Netze generalisierten bei kontrollierten visuellen Rätseln teils gut, scheiterten aber häufiger an Extrapolation und völlig neuen Eigenschaften.
- DeepMind papers at ICML 2018
DeepMinds ICML-2018-Überblick präsentiert vielfältige ML-Arbeiten und deren berichtete Benchmark-Ergebnisse, ohne eine vollständige unabhängige Bewertung zu liefern.
- Glow: Better reversible generative models
Glow bietet laut Bericht effiziente reversible Bildgenerierung und nutzbare latente Merkmale, ist aber aufwendig und schlägt RealNVP nicht bei jedem aufgeführten Datensatz.
- Learning Montezuma’s Revenge from a single demonstration
OpenAI berichtet von 74.500 Punkten in *Montezuma’s Revenge* durch schrittweises PPO-Training ab Demonstrationszuständen, weist aber auf deutliche Grenzen bei Robustheit und Übertragbarkeit hin.
- OpenAI Five
OpenAI Five erzielte laut einem Bericht von Juni 2018 mit massiv skaliertem Selbstspiel erste Siege gegen menschliche Dota-2-Teams, allerdings unter Einschränkungen und mit offenem Ausgang für das geplante Spitzenspiel.
- Retro Contest: Results
Dharmaraja gewann den ersten OpenAI Retro Contest mit einer angepassten PPO-Lösung, während die Veranstalter die Ergebnisse als Hinweis auf die Eignung des Sonic-Benchmarks und die Bedeutung von Transferlernen und Hyperparameter-Abstimmung deuteten.
- Learning policy representations in multiagent systems
Der Auszug stellt einen Ansatz zum Lernen von Agentenrichtlinien aus wenigen Interaktionen vor und berichtet Nutzen in zwei Umgebungen, liefert aber keine konkreten Messwerte oder ausführlichen Versuchsdaten.
- DeepMind Health Response to Independent Reviewers' Report 2018
DeepMind Health begrüßt Fortschritte laut unabhängigen Prüfern und verspricht weitere Verbesserungen bei Geschäftsmodell, Datentransparenz und Beteiligung, doch der Text ist die eigene, nicht unabhängig belegte Darstellung des Unternehmens.
- Neural scene representation and rendering
GQN soll Szenen ohne menschliche Objektlabels erfassen und neue Ansichten erzeugen; die berichteten Erfolge stammen bislang nur aus simulierten synthetischen Umgebungen.
- Royal Free London publishes findings of legal audit in use of Streams
DeepMind berichtet über drei Empfehlungen eines Audits zur Streams-Nutzung beim Royal Free, gibt aber selbst weder den vollständigen Bericht noch eine unabhängige Bewertung der Umsetzung wieder.
- Improving language understanding with unsupervised learning
OpenAI berichtet von meist verbesserten Sprachaufgaben-Ergebnissen durch unüberwachtes Vortraining eines Transformers, weist aber auf hohe Rechenkosten, Datenverzerrungen und fragile Verallgemeinerung hin.
- WWDC 2018
Der Beitrag ist eine persönliche, thematisch geordnete Empfehlungsliste für WWDC-2018-Videos und keine ausführliche Analyse der Sitzungsinhalte.
- GamePad: A learning environment for theorem proving
Der bereitgestellte Abstract-Auszug stellt GamePad für maschinelles Lernen beim Coq-Beweisen vor, nennt zwei Vorhersageaufgaben und berichtet keine konkreten Ergebnisse.
- OpenAI Fellows Fall 2018
OpenAI kündigte für September 2018 bis zu sechs vergütete Fellows-Plätze für einen sechsmonatigen Einstieg in die KI-Forschung an.
- Gym Retro
Gym Retro soll Forschung zum Transfer zwischen Spielen ermöglichen; laut Bericht sind Reward Farming und Spiele mit seltenen Belohnungen oder langfristigem Planungsbedarf zentrale Herausforderungen.
- AI and compute
Laut Bericht wuchs der Compute großer KI-Trainingsläufe seit 2012 außergewöhnlich schnell, doch Dauer und Folgen dieses Trends bleiben unsicher.
- Prefrontal cortex as a meta-reinforcement learning system
Der Bericht stellt die Theorie vor, dass Dopamin dem präfrontalen Kortex hilft, abstrakte Regeln zu lernen und neue Aufgaben flexibel zu bewältigen.
- Navigating with grid-like representations in artificial agents
Ein künstlicher Agent nutzte spontan entstandene grid-zellähnliche Muster für flexible Navigation; ihre Manipulation stützt laut den Autoren eine wichtige Rolle bei der vektorbasierten Orientierung, belegt aber nicht abschließend die Funktion biologischer Grid-Zellen.
- DeepMind, meet Android
DeepMind kündigte zwei lernende Android-P-Funktionen für Akku und Bildschirmhelligkeit an; positive Testergebnisse stammen aus internen Tests, deren Details und Messwerte der Bericht nicht nennt.
- AI safety via debate
Der Bericht beschreibt Debatten als vielversprechenden, aber vorläufig erprobten Ansatz zur KI-Aufsicht, dessen Wirksamkeit und Grenzen noch untersucht werden müssen.
- DeepMind papers at ICLR 2018
DeepMinds ICLR-Übersicht berichtet über vielfältige ML-Beiträge und deren experimentelle Erfolge, ohne diese unabhängig zu überprüfen.
- Evolved Policy Gradients
EPG lernt Verlustfunktionen, die laut OpenAI schnelles Lernen und begrenzte Generalisierung ermöglichen, ist bislang aber auf kleine Aufgabenfamilien beschränkt.
- Training a custom model using IBM Watson studio and use it in your iOS app using Core ML and Vision.
Der vollständige Bericht erklärt das Training eines eigenen Bildklassifikators in Watson Studio und seine Einbindung in eine iOS-App, liefert aber keine konkreten Genauigkeitsmessungen.
- Our first COO Lila Ibrahim takes DeepMind to the next level
DeepMind beruft Lila Ibrahim zur ersten COO und setzt auf ihre Erfahrung bei Intel und Coursera, nennt aber keine konkreten Ziele für ihre neue Rolle.
- Gotta Learn Fast: A new benchmark for generalization in RL
Der kurze Auszug stellt einen Sonic-basierten Benchmark für Transfer- und Few-Shot-Learning in RL vor, ohne konkrete Methoden oder Ergebnisse zu nennen.
- Retro Contest
Der Bericht beschreibt einen RL-Wettbewerb auf unbekannten Sonic-Leveln: Transferlernen verbesserte PPO laut den Ergebnissen, doch Menschen waren deutlich besser und eine Policy nutzte einen Level-Exploit.
- Retour à Paris / A return to Paris
DeepMind kündigt ein von Rémi Munos geleitetes Pariser KI-Labor an, dessen Forschung und Kooperationen noch Zukunftspläne sind.
- Learning to navigate in cities without a map
Ein KI-Agent soll laut Bericht anhand von Street-View-Bildern ohne Karte durch Städte navigieren und sein gelerntes Verhalten auf neue Städte übertragen.
- Learning to write programs that generate images
Ein lernender Agent erzeugt Bilder als nachvollziehbare Pinselbewegungen und erzielt begrenzte Erfolge beim Nachzeichnen, was die Autoren als kleinen Schritt zu flexibler Programmsynthese einordnen.
- Understanding deep learning through neuron deletion
Laut Beitrag sind gut verallgemeinernde Bildnetze widerstandsfähiger gegen Neuronenlöschung, während leicht verständliche Neuronen nicht wichtiger sind als schwer deutbare.
- Variance reduction for policy gradient with action-dependent factorized baselines
Der Abstract-Auszug stellt eine laut den Autorinnen und Autoren varianzsenkende, aktionsabhängige Baseline vor, enthält aber zu wenig Details für eine unabhängige Bewertung.
- Report from the OpenAI hackathon
OpenAIs erster Hackathon brachte laut Bericht 100 Teilnehmende, Fachvorträge und Dutzende KI-Projekte zusammen, deren Ergebnisse und weiterer Verlauf jedoch nicht systematisch bewertet werden.
- Improving GANs using optimal transport
Nur Abstract und Bildunterschriften liegen vor: Die Autoren berichten für OT-GAN von stabilerem Training mit großen Mini-Batches und starken Benchmark-Ergebnissen, ohne dass der Auszug konkrete Messwerte nennt.
- Framer Studio v115 First Look: Copy & Paste Designs from Sketch
Laut Artikel ermöglicht Framer Studio 115 das direkte Einfügen verschiedener Sketch-Elemente in Framer; der Beitrag zeigt Beispiele, liefert aber keine detaillierte Prüfung der Funktion.
- On first-order meta-learning algorithms
Es liegt nur ein Abstract-Auszug vor: Er berichtet über First-Order-Meta-Lernverfahren wie Reptile, die laut Autoren gute Few-Shot-Ergebnisse erzielen, nennt aber keine konkreten Messwerte.
- Reptile: A scalable meta-learning algorithm
Reptile soll schnelles Lernen mit wenigen Beispielen ermöglichen und erreicht laut Bericht auf zwei Benchmarks ähnliche Leistungen wie MAML bei schnellerer Konvergenz.
- Stop, look and listen to the people you want to help
Der Bericht fordert Technologiefirmen auf, KI im Gesundheitswesen vorsichtig und nach überprüfbaren ethischen Grundsätzen einzusetzen und den betroffenen Menschen zuzuhören.
- OpenAI Scholars
Die Seite beschreibt die inzwischen geschlossene Ausschreibung eines OpenAI-Förderprogramms für Deep Learning im Sommer 2018.
- Humanizing your iOS application with Face Detection API, Kairos.
Ein vollständiges iOS-Tutorial zeigt die Einbindung von Kairos zur Gesichtsanalyse; die positive Einschätzung des Autors wird nicht durch systematische Vergleichstests belegt.
- Animating Animatable Shape Layer Properties in Kite Compositor
Amos Gyamfi demonstriert Keyframe-Animationen für Shape Layers in Kite Compositor, darunter Formwechsel und Fortschrittsringe, ohne die Beispiele systematisch auszuwerten.
- Some considerations on learning to explore via meta-reinforcement learning
Der Auszug berichtet, dass E-MAML und E-RL² in Aufgaben mit wichtigem Explorationsanteil besser abschneiden, enthält aber keine Einzelheiten zu Versuchen oder Messwerten.
- Learning by playing
Laut den Autoren ermöglicht SAC-X Robotern, komplexe Aufgaben schrittweise über Hilfsziele zu lernen; der Bericht nennt Simulationserfolge und einen Versuch am echten Roboter, aber keine detaillierten Messwerte.
- Ingredients for robotics research
Der OpenAI-Auszug stellt acht Robotik-Simulationen und HER vor, berichtet Vorteile bei spärlicher Belohnung und endet vor dem angekündigten API-Beispiel.
- Multi-Goal Reinforcement Learning: Challenging robotics environments and request for research
Der vorliegende Auszug skizziert Robotikaufgaben und Forschungsziele für Multi-Goal Reinforcement Learning, enthält aber keine detaillierten Methoden oder Ergebnisse.
- Researching patient deterioration with the US Department of Veterans Affairs
DeepMind und die US-Veteranenbehörde untersuchen explorativ, ob maschinelles Lernen eine akute Nierenschädigung anhand depersonalisierter Krankenakten früher erkennen kann; Ergebnisse liegen im Bericht noch nicht vor.
- OpenAI hackathon
OpenAI kündigte für den 3. März einen Hackathon mit Vorträgen und gemeinsamer Projektarbeit in San Francisco an; Anmeldungen waren geschlossen, Ergebnisse werden nicht berichtet.
- Preparing for malicious uses of AI
Der Beitrag skizziert mögliche böswillige KI-Nutzungen und empfiehlt vorsorgliche Forschungssicherungen, Sicherheitspraktiken und eine breitere Debatte, ohne Wirksamkeitsnachweise vorzulegen.
- OpenAI supporters
OpenAI beschreibt 2018 neue Unterstützer und geplante Investitionen in Personal und Rechenleistung; die Angaben sind eigene Ankündigungen des Unternehmens.
- Interpretable machine learning through teaching
OpenAI berichtet, dass gezielt ausgewählte Beispiele KI-Systemen und Menschen beim Erlernen von Konzepten helfen können, doch der Text behandelt nur beispielbasiertes Lehren und nennt keine detaillierten Versuchsdaten.
- Discovering types for entity disambiguation
Ein typenbasiertes neuronales Verfahren soll Entitäten aus dem Kontext bestimmen; der Beitrag berichtet starke Ergebnisse auf zwei Datensätzen, nennt aber die kleine Datenbasis zur Typauswahl als Grenze.
- Scalable agent architecture for distributed training
DeepMind berichtet, dass IMPALA mit V-trace vielfältige DMLab-30-Aufgaben effizienter als verteiltes A3C trainiert, während der Beitrag für Details auf eine Facharbeit verweist.
- Requests for Research 2.0
OpenAI schlägt sieben ungelöste Forschungsaufgaben samt zwei Warm-ups vor, ohne Ergebnisse zu ihrer Lösung zu berichten.
- Learning explanatory rules from noisy data
Die Autoren berichten, dass ∂ILP visuelle Erkennung und regelbasiertes Schlussfolgern verbindet und in einem Ziffernvergleich auf ungesehene Paare generalisierte.
- Open-sourcing Psychlab
Psychlab soll KI-Agenten mit psychologischen Tests untersuchbar und mit Menschen vergleichbar machen; ein berichteter Suchtest zeigte dabei abweichende Reaktionszeitmuster.
- Scaling Kubernetes to 2,500 nodes
OpenAI schildert eigene Lösungen für mehrere Skalierungsprobleme in einem Kubernetes-Cluster mit über 2.500 Azure-Knoten und berichtet von drei Monaten ohne Zwischenfälle.
- Game-theory insights into asymmetric multi-agent games
Der Beitrag beschreibt eine laut Autoren einfache Methode zur Analyse asymmetrischer Spiele und verweist auf eine spätere Erweiterung; eine unabhängige Bewertung fehlt und die letzte Bildunterschrift ist abgeschnitten.
- SwiftLint introduction tutorial
Der Autor zeigt aus eigener Erfahrung, wie SwiftLint und Hound CI die Prüfung von Swift-Code unterstützen können, räumt aber ein, dass seine Ergebnisse anekdotisch sind und er Hounds Eignung noch abwägt.
- 2017: DeepMind's year in review
DeepMind schildert eigene Forschungs- und Anwendungsfortschritte im Jahr 2017 und betont, dass KI-Entwicklung zugleich ethische Verantwortung und weitere Aufsicht erfordert.
- Collaborating with patients for better outcomes
DeepMind Health berichtet über Patientenfeedback und geplante Formen stärkerer Mitgestaltung, belegt aber nicht deren vollständige Umsetzung oder Wirkung.
- Who owns the internet?
Eine redaktionelle Auswahl von sechs Essays beleuchtet den Streit um Netzneutralität; ihre zugeschriebenen Argumente reichen von Schutz vor Zugangskontrolle bis zur Forderung nach Internet als Grundversorgung.
- Protocol Based Generic Networking using JSONDecoder and Decodable in Swift 4
Ein Swift-4-Tutorial zeigt, wie `URLSession`, Protokolle und `JSONDecoder` generisch Film-API-Antworten in `Decodable`-Modelle umwandeln und Fehler behandeln.
- Block-sparse GPU kernels
Der Bericht stellt schnelle GPU-Kernels für blockweise dünn besetzte neuronale Netze vor und berichtet über verbesserte Versuchsergebnisse, die ausdrücklich noch nicht abschließend sind.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →