KI News: Kurz und klar.

Ein neues Forschungsdokument aus dem arXiv-Repository präsentiert ein revolutionäres Verfahren für Online‑Reinforcement‑Learning, das das klassische Exploration‑Exploitation‑Dilemma ohne jegliche Parameterabhängigkeit löst. Durch die automatische Erkundung von Zustands‑ und Aktionsräumen erreichen die beiden vorgestellten Varianten – eine für das tabellarische Setting und eine für lineare Funktionsapproximation – eine Stichprobenkomplexität von O(ε⁻²), die unabhängig von zuvor benötigten, oft sehr großen, algorithmenspezifischen Parametern ist.

Ein neues Ergebnis aus der Off‑Policy‑Evaluation zeigt, dass gezielt gestaltete Verhaltenspolitiken Daten liefern können, die zu deutlich geringeren Varianzen bei Rückkehrschätzungen führen. Das ist überraschend, denn bisher galt die Datensammlung auf‑Policy als optimal.

Die Überführung von Offline- zu Online-Reinforcement‑Learning stellt ein zentrales Problem dar, weil die Verteilung der Aktionen im Offline‑Datensatz von der sich im Online‑Training entwickelnden Policy abweicht. Trotz der Bekanntheit dieses Problems greifen nur wenige Ansätze darauf zurück, die Verteilungsstruktur der Offline‑Daten gezielt zu nutzen.

Medizinische Foundation‑Modelle (FMs) haben in den letzten Jahren enorme Fortschritte erzielt, doch ihre Antworten bleiben häufig im Black‑Box‑Modus verborgen. Das erschwert die praktische Nutzung in der klinischen Praxis, weil Ärzte nicht nachvollziehen können, wie ein Modell zu einer bestimmten Diagnose gelangt. DeepMedix‑R1 löst dieses Problem, indem es nicht nur präzise Befunde liefert, sondern gleichzeitig nachvollziehbare Begründungsschritte anzeigt, die direkt auf Bildregionen verweisen.