Frank Hutter

FairPFN nutzt Transformer, um Fairness in den Vorhersagen des maschinellen Lernens zu fördern.

Eine neue Methode verbessert die Analyse der Ergebnisse der Hyperparameter-Optimierung.

Eine neue Methode verbessert die Suche nach Aktivierungsfunktionen für Deep-Learning-Modelle.

Aufdecken, wie RNA mit Proteinen interagiert, die über die Protein-Codierung hinausgehen.

Ein neuer Ansatz für Weltmodelle mithilfe von synthetischen Daten für bessere Anpassungsfähigkeit.

ARLBench vereinfacht das Hyperparameter-Tuning für Reinforcement Learning mit effizienten Benchmarking-Tools.

Kleinere Modelle nutzen, um das Training für grössere Sprachmodelle zu beschleunigen.