KI News: Kurz und klar.

In der Welt der eingebetteten Systeme ist die effiziente Nutzung von Energie und Wärme entscheidend. Die neue Methode ZeroDVFS nutzt ein hierarchisches, modellbasiertes Multi-Agenten-Reinforcement-Learning, um gleichzeitig die Kernzuweisung und die Spannungs‑/Frequenzsteuerung zu optimieren. Durch die Aufteilung des enormen Aktionsraums in zwei kollaborierende Agenten kann die Entscheidung in nur 358 ms getroffen werden, während die ersten Entscheidungen – inklusive der einmaligen Feature‑Extraktion mit einem großen Sprachmodell – zwischen 3,5 und 8 s dauern.

Forscher haben Tape entwickelt, ein neues Benchmark-Tool, das Reinforcement‑Learning‑Algorithmen gezielt auf ihre Fähigkeit prüft, sich an veränderte Regeln anzupassen. Durch die Nutzung eindimensionaler Zellulärer Automaten bleibt der Beobachtungs‑ und Aktionsraum konstant, während die Übergangsregeln variieren. So lässt sich das Verhalten von Modellen unter Out‑of‑Distribution‑Bedingungen (OOD) exakt beobachten.