Bei jeder Arbeit auf dieser Seite hat mindestens ein/e der ursprünglichen Autor*innen unsere verständliche Erklärung gesehen und begutachtet — entweder durch Bestätigung der Genauigkeit oder durch Korrekturwünsche, die wir anschließend umgesetzt haben. Eine Bestätigung bedeutet keine formelle Freigabe jedes Satzes, aber die Erklärung ist von den Menschen geprüft worden, die das Paper geschrieben haben.

281 von Autoren geprüfte Arbeiten · 241–250 / 281

Large-scale peculiar velocities in the universe

Die Arbeit diskutiert die Beobachtung großräumiger, kohärenter Strömungen („Bulk Flows") im Universum, deren gemessene Geschwindigkeiten teilweise die Vorhersagen des Standard-ΛCDM-Modells überschreiten und deren Ursprung sowie Auswirkungen auf die Strukturbildung und die Interpretation astronomischer Daten weiterhin Gegenstand intensiver Debatten sind.

Christos G. Tsagas, Leandros Perivolaropoulos, Kerkyra Asvesta2026-03-06✓ Author reviewed 🔭 astro-ph

Large-scale Integration of Experimental and Computational Data for 2D Materials

Diese Arbeit stellt X2DB vor, eine offene Datenbank, die experimentelle und computergestützte Daten zu über 370 realisierten zweidimensionalen Materialien integriert, um eine einheitliche Charakterisierung zu ermöglichen und datengestützte Vorhersagen für die Synthese neuer Materialien zu fördern.

Mohammad A. Akhound, Tara M. Boland, Mikkel O. Sauer, Matthias Batzill, Moses A. Bokinala, Stela Canulescu, Yury Gogotsi, Philip Hofmann, Andras Kis, Jiong Lu, Thomas Michely, Søren Raza, Wencai Ren (…)2026-03-06✓ Author reviewed 🔬 cond-mat.mtrl-sci

Metabolic quantum limit to the information capacity of magnetoencephalography

Die Studie leitet eine technologieunabhängige Obergrenze für die Informationskapazität der Magnetoenzephalographie von 2,2 Mbit/s her, die sich aus dem metabolischen Energiebudget des Gehirns und dem quantenmechanischen Rauschlimit ergibt und eine fundamentale Kompromissbeziehung zwischen räumlicher und zeitlicher Auflösung aufzeigt.

E. Gkoudinakis, S. Li, I. K. Kominis2026-03-06✓ Author reviewed ⚛️ quant-ph

How Effective Are Publicly Accessible Deepfake Detection Tools? A Comparative Evaluation of Open-Source and Free-to-Use Platforms

Diese Studie stellt die erste vergleichende Evaluation öffentlich zugänglicher Deepfake-Erkennungstools durch erfahrene Ermittler dar und zeigt, dass forensische Werkzeuge eine hohe Recall, aber geringe Spezifität aufweisen, während KI-Klassifikatoren das umgekehrte Muster zeigen, wobei menschliche Prüfer alle automatisierten Systeme übertreffen und in Konfliktfällen meist recht behalten.

Michael Rettinger, Ben Beaumont, Nhien-An Le-Khac, Hong-Hanh Nguyen-Le2026-03-06✓ Author reviewed 🔒 cs.CR

Position: Vector Prompt Interfaces Should Be Exposed to Enable Customization of Large Language Models

Diese Positionspapier fordert, dass Anbieter von Large Language Models Vektor-Prompt-Schnittstellen öffentlich zugänglich machen sollten, da diese im Vergleich zu rein textbasierten Prompts eine skalierbare, stabilere und leistungsfähigere Methode zur Anpassung der Modelle darstellen, ohne dabei das Sicherheitsrisiko signifikant zu erhöhen.

Liangwei Yang, Shiyu Wang, Haolin Chen, Rithesh Murthy, Ming Zhu, Jielin Qiu, Zixiang Chen, Juntao Tan, Jianguo Zhang, Zhiwei Liu, Wenting Zhao, Silvio Savarese, Caiming Xiong, Huan Wang, Shelby Heine (…)2026-03-05✓ Author reviewed 💬 cs.CL

Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning

Die Arbeit zeigt, dass die gerichtete CDNV (Varianz der Entscheidungsachsen) als zentrale geometrische Größe sowohl die starke Few-Shot-Transferfähigkeit als auch die geringe Interferenz bei Multi-Task-Aufgaben in selbstüberwachtem Lernen erklärt, indem sie eine geringe Variabilität entlang klassentrennender Richtungen sicherstellt.

Achleshwar Luthra, Yash Salunkhe, Tomer Galanti2026-03-05✓ Author reviewed 🤖 cs.AI