Die Schweizer Fahne vor einem schneebedeckten Berg.

ISSN 3043-1921

Swissi AI Journal Open Access & Peer-Reviewed

AI-Forschung von der Methode bis zum eingesetzten System. Die Redaktion beurteilt Methode, Evaluation und Evidenz und publiziert angenommene Arbeiten fortlaufend im Open Access.

Zur Submission LaTeX herunterladen In Overleaf öffnen

Open Access

Peer-Reviewed Swissi-Artikel

Alle Swissi-Artikel anzeigen

SAIJ-guex5c23zfm5Okt. 2026

Multi-Agenten-KI als verschachteltes Prinzipal-Agent-Problem in der privaten Vermögensverwaltung

Mandatsrepräsentation und Nachweiskontrolle in der Schweiz, Deutschland und Österreich

DOI 10.5281/zenodo.23095194

arXiv 2610.02863

Eine verschachtelte Formulierung der Beziehung zwischen Kundschaft, Vermögensverwaltung und KI erfasst die Ergebnisse beider Parteien getrennt und definiert eine gemeinsame Zielfunktion unter Nebenbedingungen. Analytische Konstruktionen und Simulationen untersuchen, wie Mandatsrepräsentation, Klärung und nachweisgebundene Freigabe Empfehlungen beeinflussen.

Schlagwörter:

Multi-Agenten-KI
private Vermögensverwaltung
verschachteltes Prinzipal-Agent-Problem
Mandatsrepräsentation
gemeinsame Zielfunktion
Spezifikationsrisiko
Eignung
Herkunft von Prämissen
menschliche Aufsicht

SAIJ-5kdnql4rsq27Juli 2026

Jurisdiktionsübergreifende rechtliche Identitätssicherung für Capability Gating

Ein Design-Science-Vorschlag für gestufte, wiederverwendbare Identity Assurance natürlicher, juristischer und maschineller Entitäten

DOI 10.5281/zenodo.21901241

arXiv 2610.00287

Flache Maximalverifikation belastet alle Beteiligten mit dem seltensten Hochrisikofall. Dieses Modell trennt den Assurance-Zustand vom Capability Gate, das ihn nutzt. So folgt die Identitätsanforderung der Handlung und dem Gewicht ihrer Folgen, statt schon die blosse Teilnahme unnötig schwer zu machen.

Schlagwörter:

Identity Assurance
Capability Gating
gestufte und wiederverwendbare Verifikation
multi-jurisdiktionale Identität
data minimisation
Entitätstaxonomie
bitemporale Reliance
Design Science Research

SAIJ-zpd6gvtrfaunJuli 2026

Credentials und triangulierte Trust Signals auf einem einzelnen rechenschaftsfähigen Identifier

Ein Hash-verankertes Distributed-Ledger Framework für portable Identität über Jurisdiktionen hinweg

DOI 10.5281/zenodo.21901243

Digitale Identität bleibt starr, solange sie an Provider Accounts, veränderliche Handles und lokale Wallet Schemes gebunden ist. Eine rechenschaftsfähige Hash-Anchor Tier liegt darüber: ein inerter Root Anchor, nicht verknüpfbare Profile Anchors für getrennte Kontexte und gate-spezifische Assurance zu einem Zeitpunkt.

Schlagwörter:

digitale Identität
verifiable credentials
rechenschaftsfähige Pseudonymität
distributed ledger
selective disclosure
Identity Assurance
self-sovereign identity
Hash Anchor

SAIJ-sh27g6sykt2kJuli 2026

Identity-Staked Consensus und Kollusionsresistenz in konzessionierten Validator Sets

Ein Trust Model für dezentrale und regelkonforme Distributed Settlement Infrastructure

DOI 10.5281/zenodo.21901245

Permissioned Ledgers werden häufig als zentralisiert eingeordnet, weil Admission beschränkt ist. Die Trennung von Permissioning und Control Distribution macht Validator Identity zu extern kostspieligem Collateral: öffentliche Legal Identity, Charter State, Liability und Audit Exposure, mit affiliation-aware Voting Caps und Per-Member Collusion Margins.

Schlagwörter:

Identity-Staked Consensus
permissioned ledger
proof-of-authority
Validator Trust Model
Kollusionsresistenz
Settlement Infrastructure
Actor Assurance
Threshold Class Coverage
Ledger Evidence Record

SAIJ-f3jtignfyge3Mai 2026

Unternehmensbewertung, wenn AI das Geschäftsmodell prägt

Ein milestone-basiertes Real-Options Framework für das AI Valuation Uncertainty Problem

DOI 10.5281/zenodo.21901247

arXiv 2609.24181

Discounted Cash Flow, der IDW-S-1-Ertragswertansatz und Market Multiples verdichten Milestone-Wahrscheinlichkeiten, Continuation Options und Risk Shifts zu undurchsichtigen Aggregatparametern. Ein milestone-gated Real-Options Overlay zerlegt diesen Wert in prüfbare Komponenten, wobei ein Success Readiness Index per-option Wahrscheinlichkeiten aus strukturierten Pairwise Comparisons ableitet.

Schlagwörter:

Unternehmensbewertung
AI Integration
Real Options
milestone-basierte Bewertung
intangible assets
AHP
multi-criteria decision analysis

SAIJ-cwo7xrcdsautMärz 2026

Funktionale Architektur europäischer Stromhandelsmärkte

Anforderungen an AI-gestützte Handelssysteme unter regulatorischen Restriktionen

DOI 10.5281/zenodo.21901249

arXiv 2609.29108

Der europäische Stromhandel läuft als restringiertes Mehrschichtsystem, in dem Rechtsarchitektur, Börsenmikrostruktur und Netzphysik über Forward-, Day-Ahead-, Intraday- und Balancing-Horizonte hinweg gemeinsam ausgeführt werden. Das Paper spezifiziert eine AI-gestützte Handelsarchitektur mit einem Permission Gate für ausführbare Aktionen und fail-closed Kontrolllogik unter REMIT, MiFID II, MiFIR und EMIR.

Schlagwörter:

EU-Strommarkt
Marktkopplung
NEMO-Topologie
Regelenergie
AI-Handelssysteme
Compliance-by-Design

SAIJ-xz3bi3q7fwimAug. 2025

Compliant AI Infrastructure für regulierte Finanzwirtschaft

Ein gestuftes Multi-Agenten-Framework mit DLT-Audit-Trails für Finanzoperationen im DACH-Raum

DOI 10.5281/zenodo.21901251

arXiv 2609.27632

Regulierung wird als Orientierungsschicht behandelt statt als deterministisches Regelwerk: Eine Matrix aus regulatorischer Intention und Exposure wird in konkrete Prohibitions, Obligations und Runtime Budgets kompiliert. Evidenz, Entscheidungen und Reason Codes binden an einen Permissioned DAG, sodass die Aufsicht nachvollziehen kann, wie ein Ergebnis zustande kam, und Fehler zurechnen kann.

Schlagwörter:

DACH-Finanzwesen
regulierte Finanzinstitute
Multi-Agenten-Expertensystem
policy-kompilierte Orchestrierung
Zielfunktion unter Restriktionen
Permissioned DLT
DAG-Timestamping
Audit Trails
EU AI Act
MiFID II
DORA
DSGVO
menschliche Aufsicht
Ausführungs-Gating
ESG-Budgets
Verifikation und Assurance

SAIJ-ddkjais6s332Aug. 2025

Ein regulierungskonformes AI- und Verifikationssystem für die Hochschulbildung unter ESG-konformen Restriktionen

DOI 10.5281/zenodo.21901253

Zwei verbundene Komponenten für die Hochschulbildung: ein rollenspezifisches Multi-Agenten-Framework für den institutionellen Betrieb und eine dezentrale Verifikationsschicht für Audit, Zeugnisauthentifizierung und manipulationsevidente Aufzeichnungen. DSGVO, EU AI Act, EQF, ECTS und ESG-Vorgaben sind als strukturelle Restriktionen kodiert statt nachträglich geprüft.

Schlagwörter:

Regulatory Technology
künstliche Intelligenz in der Bildung
Multi-Agenten-AI-Systeme
dezentrale Verifikation
akademische Tokenisierung
DSGVO-Compliance
EU AI Act
digitale Zeugnisinfrastruktur
ESG-Governance
UniAI
UniDVS

SAIJ-zkihhbpahsbrAug. 2025

Verifiable Federated AI Infrastructure

Schweizkonformes föderiertes AI-DLT-Netzwerk mit Nash-Gleichgewicht und ESG-Metriken

DOI 10.5281/zenodo.21901255

Zentralisierte AI-Infrastruktur skaliert und kollidiert dabei mit Latenz-, Auditierbarkeits- und Energierestriktionen. Das Design trennt zentralisiertes Training von dezentraler Inferenz und Speicherung über fünf Knotenklassen und verbindet einen grössenneutralen Availability Floor mit gestuften Prämien für Servicelevel, ESG-Leistung und Antikonzentration.

Schlagwörter:

dezentrales Rechenzentrum
AI
Federated AI Infrastructure
ESG
ESG-bewusstes Compute
Nash-Gleichgewicht
digitale Souveränität
Schweizer Datenregulierung
tokenisierte Infrastruktur
verifizierbare AI-Dienste

SAIJ-soeptiqyucowAug. 2025

Generisches AI-DLT-Unternehmenssystem

Architektur und Methodik für skalierbare Domänenanpassung aus einem einheitlichen Kern-Framework

DOI 10.5281/zenodo.21901257

Compliance wird in AI-Einsätzen meist nachträglich über Prompt Engineering hergestellt statt in der Grundlage verankert. Diese Architektur kodiert regulatorische, governancebezogene und ESG-Anforderungen als Problem des objective-under-constraints, sodass jeder spezialisierte Agent innerhalb rechtlich zulässiger und auditierbarer Grenzen arbeitet, bevor die Domänenarbeit beginnt.

Schlagwörter:

compliance-first AI
Multi-Agenten-Systeme
Distributed-Ledger-Technologie
gerichteter azyklischer Graph
Regulation by Design
ESG-Integration
domänenagnostische Architektur
deploymentagnostische Architektur
anbieteragnostische Architektur
objective-under-constraints

Fortlaufende Calls

Aktuelle Calls for Papers

Standing Calls benennen aktuelle redaktionelle Prioritäten innerhalb des vollständigen Scope des Journals.

NachhaltigkeitAI und ESG-Evidenz: Ergebnisse, die weniger Rechenleistung kosten, AI in Erzeugung und Netzen sowie Nachhaltigkeitsberichterstattung als Frage der Evidenz.
SouveränitätEnterprise AI unter europäischer Compliance: Systeme innerhalb der Rechtsordnung: selbst gehostete oder europäische Inferenz, Daten-Governance am vorgeschriebenen Ort sowie gemessene Leistungs- und Finanzkosten.
SpracheFoundation-Modelle für den DACH-Raum: Modelle, die auf deutschsprachigem Material trainiert, angepasst und evaluiert werden, mit Benchmarks, die es auf Deutsch gibt, und einer klaren Darstellung, wo ein regionales Modell einem allgemeinen überlegen ist.

Von arXiv

Aktuelle arXiv-Artikel

arXiv cs.AI

Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion

Recent advances in robot learning have driven rapid progress in humanoid control, enabling increasingly agile behaviors in the real world. However, humanoid control networks are typically obtained through conventional training procedures, while comparatively little attention has been given to directly modeling the...

arXiv cs.LG

Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance

Mobile Manipulation (MoMa) is a cornerstone of autonomous robotic systems, yet real-world fine-tuning remains a formidable challenge because of high-dimensional action spaces and intricate coupling between heterogeneous modules. In this paper, we propose HiRe-MoMa (Hierarchical Residual Mobile Manipulation), a...

arXiv cs.AI

Co-Evolving Acting and Forecasting for Language Agents

Training language agents is bottlenecked by the high cost of long-horizon rollouts, yet standard agentic reinforcement learning (RL) learns only from a terminal scalar reward, leaving the supervision in intermediate steps largely unused. Prior work exploits this supervision through value targets that estimate...

arXiv cs.LG

Your Transformer Is Secretly Elastic

Scaling up transformers has produced models with broad capabilities, deployed across heterogeneous hardware and fluctuating workloads. Yet, model families offer only a few fixed sizes (e.g., S, B, L), forcing users to commit to a model based on hardware and latency constraints. This rigidity is often suboptimal...

arXiv cs.AI

Price of Anarchy of First-Price Auctions in Agentic Markets

An agentic market is a decentralized serving-time market where AI agents bid to claim each user prompt. An agent's bid is based on its expected value for the prompt, which is the expectation of the reward for its response minus its inference costs. First-price auctions (FPAs), in which the highest bidder pays its...

arXiv cs.LG

Continuum Attention

We introduce Continuum Attention (CA), a causal Transformer attention operator that replaces discrete key and value lookup with integration over a continuous, piecewise linear memory curve. Each query induces an exponential relevance density along the curve. Integrating the density and interpolated values yields...

arXiv cs.AI

Player-1: Learning to Play from Synthetic Experience

Computer-use agents have demonstrated strong capabilities in interpreting screens and executing keyboard and mouse actions. However, games, with their visually rich worlds and diverse mechanics, remain challenging and offer a demanding next step toward general digital control. Current game-agent learning pipelines...

arXiv cs.LG

Learnable Hodge-Laplacian Driven Mixture of Experts for Steady-PDE Surrogates on Coarse Unstructured Meshes

Current approaches for steady partial differential equations surrogate models on unstructured meshes apply a single mixing mechanism to the whole solution. This paper proposes an architecture that partitions the solution among vanilla transformer experts, each focused on a different spectral scale. The partition is...

arXiv cs.AI

One Task, Many Interfaces: Simple Cross-Interface Consistency Training Improves LLM Agent Robustness

Post-training binds the competence of an LLM agent to the interface it was trained on. Semantics-preserving perturbations of that interface, such as renaming an action or changing the notation, leave the underlying task unchanged yet make the agent worse at it. Scoring each sample independently means interface...

arXiv cs.LG

Latent Compaction with Test-Time Training

Long contexts enlarge key--value (KV) caches, increasing memory use and attention costs during generation. Compressing these caches must preserve information for unseen questions. We introduce **Latent Compaction**, which learns a compact document-specific cache through test-time training. We initialize cache...

arXiv cs.AI

Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization

We introduce a novel method for verifying Lean formalizations that goes beyond LLM-judged faithfulness. Unlike most verification methods, which rely on LLMs or trained models, our method combines LLM-based semantic review with mechanical numerical and vacuity checks, providing checkable feedback and detecting...

arXiv cs.LG

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

On-policy distillation (OPD) trains a student model on its own rollouts with token-level supervision from a teacher, assuming that the teacher can reach a correct answer from any prefix the student writes. We call this property the recoverability of the teacher and show it fails on incorrect rollouts: the teacher...

arXiv cs.AI

Scaling Discovery Requires Forgetting

Automated research with LLM agents has shown promising results in various domains. Through iterative refinement and scored verifiers, LLM agents are capable of discovering new ideas. There are different ways to scale automated research: let one agent iterate for longer, run several agents in parallel, or further...

arXiv cs.LG

Detection of Potato Plant Leaf Diseases using Convolutional Neural Networks

Potato is an important food-security crop in Ethiopia, but its production is affected by foliar diseases, particularly early blight and late blight. This study develops a lightweight convolutional neural network (CNN) to classify potato leaves into three categories: healthy, early blight, and late blight. The...

arXiv cs.AI

PhySGA: A Physics-Space Grounded Agentic Framework for Generalizable and Interactive 3D Composition

3D object composition is pivotal to digital content creation and robot simulation, while also serving as a critical testbed for physical intelligence in foundation models. Previous methods either leverage large language models to directly predict object coordinates, or utilize generative diffusion priors to...

arXiv cs.LG

PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis

Multimodal code intelligence connects the symbolic world of programs with the visual world their execution creates. Interest in this capability is burgeoning, as models are increasingly asked to produce charts, webpages, animations, and semi-structured documents. Recently, proprietary models have pushed far ahead,...

arXiv cs.AI

PerSo: Investigating Facets of LLMs' Social Intelligence in Real-World Persuasion Scenarios

Understanding the social intelligence of large language models (LLMs) is increasingly important for applications involving human-AI interaction and multi-agent environments. Social intelligence comprises two aspects: cognitive intelligence, the ability to infer others' mental states, and behavioral intelligence,...

arXiv cs.LG

Revisiting Simple Baselines for Relational Deep Learning

Relational deep learning has emerged as a powerful paradigm for learning end-to-end predictive models over relational databases by representing them as temporal heterogeneous graphs. Recent advances based on graph neural networks and Transformers have achieved strong performance across diverse domains. However, the...

arXiv cs.AI

ActiveEvidence: Decision-Focused Evidence Graphs with Verifiable Acquisition Gaps

A multimodal agent must decide whether visual evidence is worth acquiring, which candidate or resolution to query, and when further interaction can no longer change its decision. We study this problem under a strict free-metadata/paid-observation boundary, stochastic vector costs, and a frozen execution trace, and...

arXiv cs.LG

Generative Representation Learning for Scalable Latent Tokenization

We introduce an approach for self-supervised representation learning designed to be used as a tokenizer for generative modeling. Our objective supervises a representation loss by factorizing the pointwise mutual information of the data, which we estimate by taking information differences between conditional...

Author Guidelines

Submission beim Journal

Senden Sie das Manuskript als englisches oder deutsches PDF. Jede Submission erhält eine redaktionelle Beurteilung und eine begründete Entscheidung.

Gebühren: Die Submission ist kostenfrei. Eine einmalige Gebühr von CHF 450 fällt an, wenn ein Manuskript in den externen Peer Review aufgenommen wird.
Peer Review: Für den Peer Review ausgewählte Manuskripte werden Double-blind von mindestens 2 unabhängigen Fachpersonen ausserhalb der Redaktion beurteilt. Der Peer Review wird innerhalb von 4 Wochen ab Submission abgeschlossen.

Autorschaft

Forschung aus Wissenschaft und beruflicher Praxis

Das Journal publiziert Arbeiten von Forschenden, Doktorierenden und Fachpersonen aus Industrie und öffentlichen Institutionen. Jedes Manuskript wird anhand von Methode, Evidenz und Beitrag beurteilt.

Die genannte Autorschaft trägt die Verantwortung für das Manuskript und weist die individuellen Beiträge aus.

Zur Submission

Institutionen

Gemeinsame Forschung aus Laboren, Unternehmen und öffentlichen Stellen

Das Journal publiziert gemeinsame Forschung aus Universitäten, Laboren, Unternehmen und öffentlichen Stellen. Evidenz aus Systemen im Betrieb steht im Zentrum des Themenfelds.

Genannte Personen tragen die Autorschaft; Institutionen werden im publizierten Artikel als Affiliations ausgewiesen.

Zur Submission

Wer entscheidet

Redaktion

Redaktionelle Entscheidungen werden nach Fachkompetenz zugewiesen. Jedes für den Peer Review ausgewählte Manuskript wird Double-blind von unabhängigen Fachpersonen beurteilt. Die Identitäten der Reviewers bleiben vertraulich, und der Responsible Editor trifft die endgültige Publikationsentscheidung.

Für Lesende und Bibliotheken

Bedingungen der Publikation

Diese Publikationsbedingungen gelten für jeden Artikel und bilden den Journal Record für Bibliotheken, Indizes und Förderstellen.

ISSN: 3043-1921
Schlüsseltitel: Swissi AI journal
Abgekürzter Schlüsseltitel: Swissi AI j.
Verlag: Swissi Holding AG, Zug, Switzerland
Chefredaktion: Dr. Walter Kurz, MBA, M.Sc.
Publikationsmodell: Fortlaufende Publikation. Jeder Artikel erhält eine Artikelnummer.
Peer Review: Für den Peer Review ausgewählte Manuskripte werden Double-blind von mindestens 2 unabhängigen Fachpersonen ausserhalb der Redaktion beurteilt. Der Peer Review wird innerhalb von 4 Wochen ab Submission abgeschlossen. Der Peer Review erfolgt Double-blind: Autorschaft und Reviewers kennen die Identität der jeweils anderen Seite nicht.
Zugang: Open Access. Der Volltext ist ab Publikation verfügbar.
Gebühren: Submission und Lesen sind kostenfrei. Eine einmalige Gebühr von CHF 450 fällt an, wenn ein Manuskript in den externen Peer Review aufgenommen wird.
Lizenz: Creative Commons Attribution 4.0 International. Das Urheberrecht bleibt bei der Autorschaft.
Langzeitarchivierung: Jeder Artikel wird bei Zenodo hinterlegt, betrieben von CERN.
Verzeichnet in: ROAD, dem Directory of Open Access Scholarly Resources des ISSN International Centre. Der Eintrag im ISSN Portal ist vollständig öffentlich, und die ISSN wurde vom ISSN-Zentrum Schweiz an der Schweizerischen Nationalbibliothek vergeben.
Sprache: Artikel erscheinen auf Englisch mit einer deutschen HTML-Lesefassung. Der englische Text ist die Version of Record, und jedes Artikel-PDF erscheint auf Englisch. Manuskripte werden auf Englisch oder Deutsch angenommen.

Redaktioneller Massstab

Worauf die Redaktion liest

Jede Submission wird anhand von sechs Kriterien beurteilt, einschliesslich Reproduktionen und negativer Ergebnisse.

MethodeReproduzierbar aus dem, was dasteht: Die Methode nennt Daten und Herkunft, Modell, Einstellungen für Training und Inferenz sowie die Entscheidungen, die für eine Reproduktion erforderlich sind.
EvaluationBaselines, Bedingungen und Fehlschläge: Die Evaluation berichtet Baselines, Ablationen, Betriebsbedingungen, Fehlschläge und den Aufbau hinter jedem zentralen Ergebnis.
AussagenSchlussfolgerungen bleiben in der Evidenz: Ein Benchmark-Ergebnis wird als Benchmark-Ergebnis berichtet, und eine Aussage über das Verhalten im Betrieb stützt sich auf Messungen aus dem Betrieb.
ForschungsstandWorauf er aufbaut, und was er hinzufügt: Der Artikel weist die Literatur aus, auf der er aufbaut, und was er ihr hinzufügt. Widerspricht ein Befund publizierten Arbeiten, setzt er sich mit ihnen direkt auseinander.
Systeme im BetriebEingesetzte Systeme, wie sie sich verhalten: Berichte über eingesetzte Systeme nennen Betriebsbedingungen, beobachtetes Verhalten, gemessene Wirkungen und Fehlschläge.
Replikation und negative ErgebnisseVolles redaktionelles Gewicht nach den festgelegten Kriterien: Reproduktionen, Widerlegungen und negative Ergebnisse erhalten volles redaktionelles Gewicht, wenn Methode und Evaluation die Kriterien des Journals erfüllen.

Wissenschaftliche Integrität

Das Journal wendet diese Standards an.

Kodex Wissenschaftliche Integrität

Swissuniversities, der Schweizerische Nationalfonds und Innosuisse haben unter der Federführung der Akademien der Wissenschaften Schweiz gemeinsam einen Kodex für wissenschaftliche Integrität erarbeitet.

PDF akademien-schweiz.ch

1.00 MB · 4. Mai 2021

Aktuelle Daily Papers

Von Hugging Face

Hugging Face Daily Papers

Diff Diffusion: Predicting Edit Paths with Diffusion Models for Efficient Code Editing

Diffusion large language models (dLLMs) are appealing for code generation because they can update many tokens in parallel, yet many are optimized for sequence synthesis rather than edit prediction. This setting is poorly matched to modern AI-assisted IDEs, where edit prediction must infer the next code change from...

Hugging Face Daily Papers

Physical Time as a Missing Dimension of Robot Policy Memory Dynamics

Existing robot policy memories typically evolve with observation sequences, implicitly treating each update as the same amount of physical time. Yet identical observation histories can span different durations and require different actions, exposing physical time as a missing dimension of policy memory. We...

Hugging Face Daily Papers

Hybrid Reasoning Agents

How can we build an agent that thinks beyond human language, yet still acts through it in the external environment? Modern LLM agents still reason and interact through text, while latent reasoning offers an efficient internal medium but lacks native tool access and reasoning transparency. We bridge these two...

Hugging Face Daily Papers

Player-1: Learning to Play from Synthetic Experience

Hugging Face Daily Papers

G^3VLA: Geometric Inductive Bias for Vision-Language-Action Models

Vision-language-action (VLA) models have rapidly advanced generalist robot manipulation by harnessing the semantic knowledge of pretrained vision-language backbones. However, their visual representations are typically grounded in 2D image coordinates rather than calibrated camera geometry. This limitation is...

Hugging Face Daily Papers

Diagnosing and Correcting Reward Hacking in Verifiable Instruction Following

Verifiable instruction-following benchmarks emphasize output-constraint satisfaction but can overlook whether responses meaningfully answer the underlying request, creating an evaluation blind spot. We show that frontier models can receive full credit for responses with little substantive answer content. Using the...

Hugging Face Daily Papers

Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents

Agents driven by large language models are increasingly deployed on long-horizon tasks, where they use tools and modify real workspaces. How well they perform depends as much on the harness around the model as on the model itself. Existing benchmarks measure downstream task success under a fixed harness, leaving...

Hugging Face Daily Papers

Are We Testing Too Much? A Survey of Benchmark Compression for Efficient Evaluation of Large Language Models

Benchmarks are essential for evaluating and improving large language models (LLMs). Yet many widely used benchmarks are redundant, making evaluation unnecessarily expensive. Benchmark compression lowers this cost by estimating full-benchmark scores and rankings from a partial evaluation. Research in this area has...

Hugging Face Daily Papers

Towards Agentic Robots: Model, Data, Environment, and Harness

Foundation models are driving a paradigm shift in robotic intelligence, moving beyond low-level action prediction to goal-directed orchestration of data collection, model training, task planning, and real-world execution. We characterize this emerging paradigm as an agentic robots, in which agents reason over human...

Hugging Face Daily Papers

More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

Self-distillation in agentic reinforcement learning has produced a growing number of methods. However, existing evaluations often reuse published baseline scores under differing experimental conditions, provide few direct comparisons among contemporaneous methods, and give limited attention to training stability...

Hugging Face Daily Papers

Long-Horizon RL Needs Muon

Long-horizon agents must coordinate reasoning, tool use, and environment feedback over extended interactions. Learning from sparse outcome rewards requires weighting trajectories of different lengths and updating the policy while rollouts are still being collected. We examine a single-rollout asynchronous recipe...

Hugging Face Daily Papers

Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory

Multimodal models and agents have emerged to enable AI systems to learn from and interact with the real world more like humans by integrating information across multiple modalities. However, enabling multimodal agents to continually acquire useful information from complex, heterogeneous multimodal data remains a...

Hugging Face Daily Papers

MA-Bench: Measuring Operational Planning in Language Models

How well can a language model turn a large, incomplete and partly contradictory body of documents into a plan when no single correct answer exists? We introduce Mission Analysis (MA)-Bench, built on mission analysis, the first step of military operational planning, in which a staff reads the full situation and...

Hugging Face Daily Papers

Beyond Domain-Routed Supervision: Cross-Teacher Guarding for Multi-Teacher On-Policy Distillation

Multi-teacher on-policy distillation (MOPD) extends on-policy distillation (OPD) by routing domain-specific data to specialized teachers, integrating their capabilities through dense token-level supervision on student-generated trajectories. However, domain routing only distinguishes the supervision sources for...

Hugging Face Daily Papers

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

Hugging Face Daily Papers

HumanoidToolBench: Benchmarking Humanoid Tool Use from Selection to Mobile Execution

As robotic hardware and learning methods advance, humanoids need tools to perform tasks beyond their inherent physical limits. Successful tool use requires selecting a suitable tool and coordinating manipulation and, when needed, locomotion to complete the task. Existing benchmarks do not jointly evaluate these...

Hugging Face Daily Papers

Acting Through Registers

World Action Models (WAMs) use generative visual representations to condition robot actions, yet how these representations organize action-relevant information remains poorly understood. We identify persistent high-norm spatial outliers in WAM representations and find that their action relevance persists even after...

Hugging Face Daily Papers

The COUNT: Counting N-grams Unlocks Scaling on Host Memory and Training-Free Adaptation

The scaling relationship of compute and performance for language models (LMs) has been extensively studied; more recently, models are being designed to scale memory use, as well. In particular, adding embeddings for n-grams scales memory separately from compute use, because each pass only processes individual...

Hugging Face Daily Papers

Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

Long-form agentic video generation must turn a screenplay into shots that remain spatially and temporally consistent across nonconsecutive requests. Passing prompts or recent frames between shots does not provide a shared spatial frame for revisiting a scene or a time-indexed record for replaying an earlier event....

Hugging Face Daily Papers

Exploring the Limits of Combinatorial Generalization in Embodied Manipulation

In embodied manipulation, Vision Language Action (VLA) models can execute atomic skills, but long-horizon manipulation requires recombining these skills without demonstrations for every skill combination. The full instruction route treats skill chaining as long-horizon imitation. In a controlled study, full...

Swissi AI Journal Open Access & Peer-Reviewed

Peer-Reviewed Swissi-Artikel

Multi-Agenten-KI als verschachteltes Prinzipal-Agent-Problem in der privaten Vermögensverwaltung

Jurisdiktionsübergreifende rechtliche Identitätssicherung für Capability Gating

Credentials und triangulierte Trust Signals auf einem einzelnen rechenschaftsfähigen Identifier

Identity-Staked Consensus und Kollusionsresistenz in konzessionierten Validator Sets

Unternehmensbewertung, wenn AI das Geschäftsmodell prägt

Funktionale Architektur europäischer Stromhandelsmärkte

Compliant AI Infrastructure für regulierte Finanzwirtschaft

Ein regulierungskonformes AI- und Verifikationssystem für die Hochschulbildung unter ESG-konformen Restriktionen

Verifiable Federated AI Infrastructure

Generisches AI-DLT-Unternehmenssystem

Aktuelle Calls for Papers

Aktuelle arXiv-Artikel

Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion

Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance

Co-Evolving Acting and Forecasting for Language Agents

Your Transformer Is Secretly Elastic

Price of Anarchy of First-Price Auctions in Agentic Markets

Continuum Attention

Player-1: Learning to Play from Synthetic Experience

Learnable Hodge-Laplacian Driven Mixture of Experts for Steady-PDE Surrogates on Coarse Unstructured Meshes

One Task, Many Interfaces: Simple Cross-Interface Consistency Training Improves LLM Agent Robustness

Latent Compaction with Test-Time Training

Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

Scaling Discovery Requires Forgetting

Detection of Potato Plant Leaf Diseases using Convolutional Neural Networks

PhySGA: A Physics-Space Grounded Agentic Framework for Generalizable and Interactive 3D Composition

PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis

PerSo: Investigating Facets of LLMs' Social Intelligence in Real-World Persuasion Scenarios

Revisiting Simple Baselines for Relational Deep Learning

ActiveEvidence: Decision-Focused Evidence Graphs with Verifiable Acquisition Gaps

Generative Representation Learning for Scalable Latent Tokenization

Submission beim Journal

Forschung aus Wissenschaft und beruflicher Praxis

Gemeinsame Forschung aus Laboren, Unternehmen und öffentlichen Stellen

Redaktion

Dr.Walter KurzMBA, M.Sc.

Prof. Dr.Velimir Dedić

Prof. Dr.Stefan Marx

Prof. Dr.Frank Reinhardt

Prof. Dr.Jörg Westphal

Dr.Ralf Kittelberger

Dr.Florian Kollberg

Dr.Wojtek StrickerM.Sc.

Prof. Dr.Svetlana Andjelic

Prof. Dr.Nenad Dedić

Prof. Dr.José Machado

Prof. Dr.Šemsudin Plojović

Prof. Dr.Ivica Stankovic

Prof. Dr.Enes Sukic

Bedingungen der Publikation

Worauf die Redaktion liest

Das Journal wendet diese Standards an.

Von Hugging Face

Diff Diffusion: Predicting Edit Paths with Diffusion Models for Efficient Code Editing

Physical Time as a Missing Dimension of Robot Policy Memory Dynamics

Hybrid Reasoning Agents

Player-1: Learning to Play from Synthetic Experience

G^3VLA: Geometric Inductive Bias for Vision-Language-Action Models

Diagnosing and Correcting Reward Hacking in Verifiable Instruction Following

Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents

Are We Testing Too Much? A Survey of Benchmark Compression for Efficient Evaluation of Large Language Models

Towards Agentic Robots: Model, Data, Environment, and Harness

More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

Long-Horizon RL Needs Muon

Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory

MA-Bench: Measuring Operational Planning in Language Models

Beyond Domain-Routed Supervision: Cross-Teacher Guarding for Multi-Teacher On-Policy Distillation

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

HumanoidToolBench: Benchmarking Humanoid Tool Use from Selection to Mobile Execution

Acting Through Registers

The COUNT: Counting N-grams Unlocks Scaling on Host Memory and Training-Free Adaptation

Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

Exploring the Limits of Combinatorial Generalization in Embodied Manipulation