KI- & Technologieforschung
Google DeepMind Research
deepmind.google
KI- & Technologieforschungfree
Publikationen und technische Blogbeiträge von Google DeepMind. Die Blogartikel fassen ein Paper oft verständlicher zusammen als das PDF – füge am besten beide als Quelle hinzu.
The blog write-ups here often explain a dense technical paper more clearly than the paper itself, written by the people who did the work, which is worth pairing with the actual paper as a second source in an AI research notebook. Since it's a lab's own communications about its own results, it's worth reading as description rather than as neutral comparison against competing work.
In Gemini Notebook importieren
- 1Kopieren Sie den Link oben (oder eine bestimmte Seite der Website).
- 2Klicken Sie in Ihrem Notebook auf Quelle hinzufügen → Website.
- 3Link einfügen und bestätigen – es können mehrere Links auf einmal eingefügt werden, einer pro Zeile.
Konferenzbände und Labor-Blogs veröffentlichen vollständige Papers als PDF oder Webseite — diese lassen sich sauber importieren und behalten die Zitate bei.
Weitere ki- & technologieforschung-Quellen
- AAAI Conference on Artificial IntelligenceTagungsband einer der großen jährlichen KI-Konferenzen, die das gesamte Feld abdeckt. Einzelne Paper-PDFs aus dem Band eignen sich gut als Quelle.
- ACM Digital LibraryVerlagsbibliothek für Informatikforschung – Konferenzbände und Fachzeitschriften. Viele Beiträge sind frei zugänglich, deren PDFs lassen sich direkt importieren.
- AI Alignment ForumAusführliche Fachbeiträge zu KI-Sicherheit und Alignment-Forschung. Einzelne Beitrags-URLs funktionieren gut als Website-Quellen.
- DistillInteraktive, begutachtete Erklärartikel zu Machine-Learning-Konzepten. Seit 2021 ruhend, aber die Artikel lassen sich weiterhin gut als Website-Quellen für ML-Lern-Notebooks importieren.
- ICLR (OpenReview)ICLR-Paper samt vollständigen Begutachtungsverläufen auf OpenReview. Reviews und Autorenantworten liefern nützlichen kritischen Kontext neben dem Paper-PDF.
- IEEE XploreFachzeitschriften, Konferenzbände und Normen aus Elektrotechnik und Informatik. Abstracts sind frei einsehbar, vollständige PDFs erfordern ein Abo oder einen Kauf.
- Journal of Machine Learning Research (JMLR)Seit Langem etabliertes Open-Access-Journal für Machine Learning. Jeder Beitrag ist ein kostenloses PDF ohne Paywall – ideal, um eine ML-Literaturübersicht aufzubauen.
- Linguistic Data ConsortiumVertreibt Sprach- und Textkorpora für Sprachforschung und Modelltraining. Der Zugang läuft über eine Mitgliedschaft, die Beschreibungsseiten der Korpora sind frei einsehbar.
- MLCommons / MLPerf BenchmarksHeimat der MLPerf-Benchmarks für Trainings- und Inferenzgeschwindigkeit. Ergebnisseiten und Methodikdokumente untermauern Notebooks, die KI-Hardware und -Systeme vergleichen.
- Nature Machine IntelligenceBegutachtete Fachzeitschrift zu Machine Learning und KI-Anwendungen. Ein kuratiertes Gegengewicht zu Preprints beim Aufbau eines KI-Literatur-Notebooks.
- NeurIPS ProceedingsJedes Paper der führenden Machine-Learning-Konferenz, zurück bis 1987. Kostenlose PDFs erleichtern es, ein Notebook rund um einen Forschungsstrang über Jahre hinweg aufzubauen.
- OpenMLGeteilte Machine-Learning-Datensätze und Benchmark-Ergebnisse mit API-Zugang. Die Beschreibungsseiten der Datensätze dokumentieren die Herkunft für reproduzierbare Notebooks.
- OpenReview.netPaper samt vollständigen Begutachtungsverläufen für Venues wie ICLR. Reviews neben dem Paper zu importieren, gibt einem Notebook beide Seiten der Diskussion.
- PerplexityAntwortmaschine, die jede Aussage mit einer Quelle verlinkt. Praktisch, um passende URLs für ein Notebook zu finden – importiere die zitierten Seiten, nicht die KI-Zusammenfassung selbst.
- Proceedings of Machine Learning Research (PMLR)Kostenlose Volltexte von ICML, AISTATS, UAI und anderen ML-Konferenzen. Direkte PDF-Links ohne Paywall – so lassen sich ML-Literaturübersichten schnell im großen Stil aufbauen.
- The GradientAusführliche Essays zur KI-Forschung, geschrieben für ein fachlich interessiertes, aber nicht rein akademisches Publikum. Artikel passen gut neben die Paper, die sie besprechen.
- Transactions on Machine Learning Research (TMLR)Open-Access-Journal für ML mit fortlaufenden Einreichungen und öffentlichen Reviews. Jedes Paper hat eine Übersichtsseite plus ein PDF, das sich direkt in ein Notebook laden lässt.