KI News: Kurz und klar.

Eine neue arXiv‑Studie aus dem Januar 2026 zeigt, dass selbst die fortschrittlichsten Sprachmodelle Schwierigkeiten haben, interaktive Umgebungen mit begrenztem Interaktionsbudget zu erkunden. Die Autoren haben drei parametrisierbare Aufgaben entwickelt, deren Erkundungsschwierigkeit einstellbar ist und sowohl kontinuierliche als auch diskrete Umgebungen abdeckt.

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neues, einheitliches Konzept für die gezielte Erkundung von Zustands-Aktions-Paaren in belohnungsfreien Markov-Entscheidungsproblemen (MDPs) vorgestellt. Die Autoren betonen, dass unterschiedliche Paare verschieden wichtige oder schwierige Eigenschaften besitzen, die in einer kontrollierten Erkundungsstrategie aktiv berücksichtigt werden müssen.

Stochastische Gradientenabstiegsverfahren (SGD) bilden das Herzstück moderner Deep‑Learning‑Modelle. Trotz ihrer weiten Verbreitung bleibt unklar, warum SGD‑Training häufig zu flacheren, besser generalisierbaren Lösungen führt. In einer neuen Studie wurde die Dynamik des Lernprozesses detailliert untersucht, um die zugrunde liegenden Mechanismen zu entschlüsseln.

In den letzten Jahren hat die Kombination aus Reinforcement Learning und verifizierten Belohnungen (RLVR) die kognitiven Fähigkeiten großer Sprachmodelle deutlich verbessert. Doch die bisher üblichen RLVR-Workflows nutzen bei jeder Sampling-Phase dieselben statischen Startzustände aus dem Trainingsdatensatz. Das führt zu stark deterministischen und wenig vielfältigen Modellverhalten, was schließlich zu einem schnellen Entropieabfall und zu stagnierenden Leistungssteigerungen führt.