25.5.2025 AI Express | Neues aus der KI: Google veröffentlicht Gemma-Modell, Microsoft öffnet Qlib-Quellen

Langflow ist ein leistungsfähiges Visualisierungstool für die Erstellung und den Einsatz von KI-basierten Agenten und Workflows, ohne dass Code geschrieben werden muss.

Das Tool unterstützt alle großen Sprachmodelle (LLMs) und Vektordatenbanken und bietet Entwicklern eine große Flexibilität. Mit einer intuitiven Drag-and-Drop-Benutzeroberfläche können Anwender problemlos komplexe KI-Anwendungsszenarien erstellen, die ein breites Spektrum an Bereichen abdecken, vom Kundenservice bis hin zur automatisierten Entscheidungsfindung.

Zu den Kernkompetenzen von Langflow gehören:

• Vollständig quelloffen und mit über 62.000 Sternen unterstützt.
• Unterstützt mehrere Mainstream-Technologien, um eine nahtlose Integration in bestehende Systeme zu gewährleisten.
• Bietet eine Vielzahl vordefinierter Komponenten zur Beschleunigung des Entwicklungsprozesses.

Langflow ist sicherlich eine interessante Option für Unternehmen und Privatpersonen, die schnell KI-Lösungen implementieren möchten.

Link zum Projekt: https://t.co/v3Gv4smWbv

Die unendliche Nutzung von Werkzeugen ist eine Idee, die zum Nachdenken anregt.

Mit nur "voller Werkzeugnutzung" und nur 8 internen Werkzeugen macht openai o3 schon jetzt den Arbeitsalltag effizienter. Wenn diese Vision in Zukunft realisiert wird, ist das Potenzial unbegrenzt.

KernaussageEs ist das ideale Large Language Model (LLM), das nur Tool-Aufrufe und deren Parameter während der Argumentation oder des Schreibens ausgibt; alle konkreten Zustände (z.B. Erinnerungen, Entwürfe, Zwischenprodukte, Ziele usw.) sollten in spezielle Tools ausgelagert werden. Auf diese Weise ist das Modell für die unmittelbare Argumentation und das Werkzeug für die persistenten, strukturierten Aufgabenzustände zuständig, wodurch eine Arbeitsteilung und Komplementarität zwischen beiden erreicht wird.

**Warum "unendliche Instrumentalisierung"? **

• Externalisierte Intelligenz: Die Übergabe komplexer Vorgänge an effiziente, domänenspezifische Prozesse reduziert den Druck des Kontextfensters erheblich und verbessert die Qualität der Ergebnisse.
• Explizites Vergessen & Backtracking: Mit Editierwerkzeugen können Modelle jederzeit schichtweise gelöscht und verfeinert werden, ohne dass lange Texte auf einmal zwangsweise erzeugt werden müssen, was die Fehlerhäufigkeit reduziert.

**Beispielszenarien** umfassen:

• Schreiben/Bearbeiten von Text: Menschliches Schreiben ist oft "jump-revise-back"; mit einem voll funktionsfähigen Texteditor können LLMs zwischen mehreren Granularitätsebenen wechseln, wie es Menschen tun, und so die Beschränkungen des "einmaligen Vorwärtsschreibens" vermeiden.
• 3D-Generierung: Mit CAD-Bibliotheken, Betrachtungs- und Rotationswerkzeugen sowie Notizdateien können Modelle iterativ zu 3D-Objekten in beliebigem Maßstab geformt werden, anstatt durch einen festen Voxel-Kontext eingeschränkt zu sein.
• Langes Videoverständnis: Das Modell kann sich wiederholt Clips ansehen, Notizen aufzeichnen/bearbeiten und stunden- oder sogar tagelange Videos in einem begrenzten Zeitfenster analysieren.

Darüber hinaus hat die unendliche Instrumentierung Vorteile in Bezug auf Sicherheit und Interpretierbarkeit. Die vollständige Versionskontrolle und die Bearbeitungspfade sind sowohl für Menschen als auch für Modelle sichtbar, was potenzielle Fälschungen in Bezug auf das "Schlussfolgerungsbudget" teurer macht und die Glaubwürdigkeit und Überprüfbarkeit der Ergebnisse erhöht.

**Training Ideas** stützt sich stark auf verstärkendes Lernen, um das Modell so zu trainieren, dass es lernt, im Werkzeugraum zu planen und zu korrigieren. Da der Kontext des Modells begrenzt ist, kann es auf "unendliche" Kontexte verallgemeinert werden, solange es von einer Vielzahl von Ausgangspunkten aus wiederhergestellt und bearbeitet werden kann.

**Architektonisches Konzept** begünstigt Strukturen mit konstanten oder begrenzten Inferenzbudgets/Tokens, z. B. Sliding-Window-Attention, SSM, RWKV, Mamba usw., und fördert "Vergesslichkeit", um die Trennung von Rollen und Werkzeugen zu fördern. Die Autoren schlagen ein "umgekehrtes hybrides" Konzept vor: eine lokale, hochpräzise Schiebefenster-Aufmerksamkeitsschicht, gefolgt von einer SSM-Schicht mit großer Reichweite, um eine doppelte Makro- und Mikroperspektive zu erreichen.

Die Verwendung von Werkzeugen ist derzeit in o3, Agentic RAG usw. verfügbar, ist aber immer noch auf kurze Kontexte und partielle Prozesse beschränkt. Die Autoren plädieren dafür, dass alle Interaktionen mit der Außenwelt über Werkzeuge erfolgen und dass ein Modell mit billiger Speicherung und begrenzten Argumentationskosten zu einem echten "infiniten Tooling" führt.

Vor kurzem hat Google drei Varianten des Gemma-Modells auf den Markt gebracht:MedGemmaundUnterschriftGemmaim Gesang antwortenDelphinGemma. Diese Modelle sind jeweils für verschiedene Anwendungsszenarien optimiert.

MedGemma ist ein für den medizinischen Bereich konzipiertes Modell, das in zwei Versionen angeboten wird:

• 4B Multimodales Modell: Dieses Modell ist in der Lage, kombinierte Bild- und Textaufgaben zu bearbeiten und eignet sich besonders für medizinische Daten. Es wurde für Röntgenaufnahmen der Brust, dermatologische Bilder, ophthalmologische Bilder und pathologische Präparate vortrainiert.
• 27B Textual Reasoning Model: Diese Version verfügt über leistungsfähigere Funktionen zur Verarbeitung von reinem Text und eignet sich für tiefgreifende Argumentationsaufgaben. Es ist auch für medizinische Text- und Bilddaten vortrainiert und deckt ein breites Spektrum medizinischer Daten ab, wie z. B. radiologische Bilder, pathologische Schnitte, augenärztliche Bilder, dermatologische Bilder usw.

SignGemma hingegen ist ein Gebärdensprachdolmetschermodell, das mehrere Sprachen unterstützt und die Umwandlung von Gebärdensprache in Text oder Sprache ermöglicht, was die Kommunikationseffizienz der Gehörlosengemeinschaft erheblich verbessert.

DolphinGemma ist ein einzigartiges Klangsynthesemodell, das sich auf die Erzeugung von Delphingeräuschen konzentriert. Dieses Modell kann für die Erforschung und den Schutz von Meereslebewesen eingesetzt werden.

Die Einführung dieser drei Modelle demonstriert nicht nur die technische Stärke von Google im Bereich der künstlichen Intelligenz, sondern fördert auch die Innovation und Entwicklung in verwandten Bereichen.

Auf GitHub hat eine Organisation namensAgenticSeekhat mit seinem Open-Source-Projekt viel Aufmerksamkeit erregt. Das Projekt bietet ein 100% lokalisiertes intelligentes Agentensystem, das Manus AI ersetzen soll.

Basierend auf lokalen Inferenzmodellen und intelligenter Agententechnologie ist AgenticSeek in der Lage, selbstständig im Internet zu surfen, Code zu schreiben, Aufgaben zu planen und Sprachinteraktionsfunktionen zu unterstützen, was dem Benutzer ein ähnliches Erlebnis bietet wie Jarvis in den Iron Man-Filmen.

• Vollständig lokalisierter Betrieb:Alle Daten werden auf dem Gerät gespeichert und sind nicht von der Cloud abhängig.
• Intelligentes Web-Browsing:Automatisch nach Informationen suchen und Formulare ausfüllen.
• Autonomer Programmierassistent:Unterstützung für Python, C, Go, Java und viele andere Sprachen.
• Intelligentes System zur Auswahl von Agenten:Es wird automatisch die am besten geeignete Aufgabenbearbeitung ausgewählt.
• Merkmale der Sprachinteraktion:Unterstützt Spracheingabe und Text-to-Speech-Ausgabe.
• Durchführung komplexer Missionsplanungen:Fähigkeit, große Aufgaben in einzelne Schritte zu zerlegen.

AgenticSeek bietet eine ausführliche Installations- und Konfigurationsanleitung, und es wird empfohlen, mindestens Modelle mit DeepSeek-Parametern von 14B oder höher zu verwenden, was eine gewisse Computerleistung erfordert. Für Entwickler und Forscher ist AgenticSeek ein wertvolles Werkzeug, das die Arbeitseffizienz erheblich verbessern und die Privatsphäre schützen kann.

Beim Schreiben von Automatisierungsskripten mit Selenium stoßen Entwickler häufig auf Probleme beim Laden von Elementen, die zum Fehlschlagen von Tests führen. Außerdem kann die manuelle Handhabung verschiedener Browsertreiber eine mühsame und fehleranfällige Aufgabe sein.

Um diese Herausforderungen zu bewältigen.SeleniumBasewurde geboren. Es handelt sich um ein leistungsstarkes Python-basiertes Framework, das den Prozess der Web-Automatisierungstests vereinfachen soll. Es macht komplexe Browser-Operationen einfach und zuverlässig, indem es Selenium mit mehreren integrierten Dienstprogrammen tief kapselt.

Zu den wichtigsten Merkmalen von SeleniumBase gehören:

• Intelligenter Wartemechanismus zur automatischen Lösung des Problems des instabilen Seitenladens;
• Unterstützung einer Vielzahl von Schreibmethoden, wie z.B. BaseCase-Klassenvererbung und SB-Kontextmanager, um unterschiedliche Entwicklungsanforderungen zu erfüllen;
• UC Mode Stealth-Modus zur Umgehung von Anti-Crawl-Erkennungsprogrammen wie Cloudflare und zur Verbesserung des Testerfolgs;
• Erstellen Sie automatisch detaillierte Testberichte und Echtzeit-Dashboards, die Testergebnisse für die Zusammenarbeit im Team und die Problemverfolgung visualisieren;
• Automatische Verwaltung von Browser-Treibern ohne manuelles Eingreifen, wodurch die Wartungskosten gesenkt werden.

Fachleute, die mit der Entwicklung oder dem Testen von Webanwendungen befasst sind, können mit SeleniumBase ihre Produktivität erheblich steigern und die durch unsachgemäß konfigurierte Umgebungen verursachten Fehler reduzieren.

GitHub-Projektadresse: https://github.com/seleniumbase/SeleniumBase

Microsofts offener Quellcode auf GitHubQlib-ProjektQlib, die wahrscheinlich umfassendste quantitative KI-Investitionsplattform der Branche, hat bereits über 20.000 Sterne erhalten. Basierend auf einer leistungsstarken Datenverarbeitungs-Engine und einer umfangreichen Modellbibliothek deckt Qlib überwachtes Lernen, Verstärkungslernen und andere Paradigmen ab, um Entwicklern zu helfen, schnell einen kompletten quantitativen Forschungsprozess von der Idee bis zur Produktion aufzubauen.

Die wichtigsten Merkmale von Qlib sind:

• Effiziente Datenserver, die Dutzende Male schneller arbeiten als herkömmliche Datenbanken;
• Integration von mehr als 30 hochmodernen Quantisierungsmodellen, darunter Transformer, LSTM, LightGBM und andere;
• Reinforcement-Learning-Handelsstrategien werden durch die Fähigkeit unterstützt, einen kontinuierlichen Investitionsentscheidungsprozess zu modellieren;
• Abdeckung der gesamten Anlagekette: Factor Mining, Risikomodellierung, Portfolio-Optimierung, Orderausführung;
• Stellen Sie das automatisierte Research-Tool qrun zur Verfügung, mit dem Sie den gesamten Prozess von der Modellierung bis zum Backtesting mit einem Klick abschließen können;
• Unterstützt die dynamische Anpassung des Marktes und die Verarbeitung der Konzeptdrift zur Verbesserung der Modellstabilität.

Qlib bietet nicht nur ausführliche Anleitungen für den Einsatz und die Installation, sondern ist auch besonders für Entwickler geeignet, die im Bereich der Finanz-KI für Forschung und Lernen arbeiten wollen.

Qlib ist ein wertvolles Werkzeug für Fintech-Unternehmen und Privatanleger, um KI-Technologie besser zu verstehen und auf reale Szenarien an den Finanzmärkten anzuwenden.

UQLM ist eine Bibliothek zur Erkennung von Täuschungen in großen Sprachmodellen (LLMs), die die Unsicherheit durch mehrere Bewertungsmethoden quantifiziert. Diese Technik ist entscheidend für die Verbesserung der Zuverlässigkeit und Genauigkeit von KI-Anwendungen.

UQLM lässt sich nahtlos in die LangChain-Plattform integrieren, was es Entwicklern erleichtert, zuverlässigere KI-Anwendungen zu erstellen und einzusetzen. Die Bibliothek unterstützt eine Vielzahl von Scoring-Methoden, darunter wahrscheinlichkeitsbasierte Methoden, kalibrierungsbasierte Methoden und konfidenzbasierte Methoden, ohne darauf beschränkt zu sein.

Anwendungsszenario::

• Fehlererkennung bei Aufgaben der natürlichen Sprachverarbeitung (NLP)
• Erhöhte Zuverlässigkeit von Chatbots und virtuellen Assistenten
• Qualitätskontrolle der automatischen Texterstellung

Die Entwicklung von UQLM bietet ein leistungsfähiges Instrument zur Lösung des Problems der Ungewissheit und Illusion in KI-Modellen in praktischen Anwendungen und trägt zur Weiterentwicklung der KI-Technologie bei.

Für weitere Informationen besuchen Sie bitte die offizielle Website von UQLM

Es ist erst vier Tage her, dass Google den Veo 3 vorgestellt hat, und schon sorgt das neue Produkt weltweit für Furore.

Die Benutzer erstellen bereits unglaubliche Inhalte mit Veo 3. Hier sind 13 dieser erstaunlichen Beispiele:

• Selbstlernende KI-Charaktere: Diese Charaktere sind in der Lage, selbst zu lernen und sich weiterzuentwickeln, und verfügen über beispiellose Interaktionsmöglichkeiten.

Die bahnbrechende Technologie von Veo 3 revolutioniert nicht nur die visuellen Effekte, sondern eröffnet auch neue Möglichkeiten auf dem Gebiet der künstlichen Intelligenz und des maschinellen Lernens. Die Verfügbarkeit dieses Tools ermöglicht es Kreativen, ihre Kreativität auf nie dagewesene Weise auszudrücken, sei es bei der Spieleentwicklung, der virtuellen Realität oder der Filmproduktion.

AnwendungsszenarioEinschließlich, aber nicht beschränkt auf:

• Hochintelligente NPCs (Nicht-Spieler-Charaktere) in der Spieleentwicklung
• Immersive Interaktion in Virtual-Reality-Erlebnissen
• Realistische Charaktergenerierung für Filmeffekte

Da immer mehr Benutzer die Funktionen des Veo 3 erkunden, besteht Grund zu der Annahme, dass dieses Produkt auch in den kommenden Jahren wegweisend für Innovationen sein wird.

Die Microsoft-Klassiker Notepad und Paint haben kürzlich neue, von künstlicher Intelligenz (KI) unterstützte Funktionen erhalten, die den Nutzern mehr Kreativität und Effizienzgewinne bieten.

Notepad integriert jetzt einen KI-Assistenten namens "Write", um Textinhalte zu erstellen und zu optimieren. Diese Funktion hilft den Nutzern nicht nur, Dokumente schnell zu schreiben, sondern verbessert auch die Qualität und Effizienz des Schreibens durch die Verarbeitung natürlicher Sprache.

FarbeDie neue Funktion "AI Stickers" ermöglicht es Nutzern, durch einfache Eingaben oder Skizzen automatisch personalisierte Sticker zu erstellen. Diese Funktion nutzt Bilderkennung und Modellerstellung, damit die Nutzer ihre Ideen schnell umsetzen und nach ihren Bedürfnissen anpassen können.

Das Snipping Tool wurde außerdem um die Funktion "Perfekter Screenshot" erweitert, mit der die Qualität von Screenshots automatisch optimiert wird, sowie um eine praktische integrierte Farbauswahl, die das Auswählen und Verwenden von Farben in Screenshots erleichtert.

Diese neuen Funktionen verbessern nicht nur das Benutzererlebnis, sondern zeigen auch das Potenzial der KI-Technologie für den Einsatz in alltäglichen Anwendungen.

Eine aufregende Neuigkeit für geschäftliche und private Nutzer ist, dass es jetzt möglich ist, Box- und Dropbox-Konten mit ChatGPTs Deep Research-Funktion zu verbinden. Diese neue Funktion ermöglicht es Nutzern, während der Nutzung von ChatGPT direkt auf Dateien und Daten zuzugreifen, die in Box und Dropbox gespeichert sind.

Mit dieser Integration können Benutzer die leistungsstarken Funktionen von ChatGPT zur Verarbeitung natürlicher Sprache leichter nutzen, um in der Cloud gespeicherte Daten zu analysieren, zusammenzufassen und zu extrahieren. Dies ist besonders nützlich für Fachleute, die umfangreiche Textanalysen und Recherchen durchführen müssen.

Zu den Anwendungsszenarien gehören:

• Marktforschung
• Analyse der wissenschaftlichen Literatur
• Interne Dokumentenverwaltung

Diese nahtlose Integration verbessert nicht nur die Produktivität, sondern eröffnet den Benutzern auch eine neue Perspektive der Datenanalyse.

Sowohl Unternehmen als auch Privatanwender können mit dieser Funktion ihre Datenressourcen besser verwalten und nutzen. Für weitere Details besuchen Sie bitte:https://t.co/owNtgrPSV8