KI News: Kurz und klar.

Der neue Ansatz HE‑SNR (High‑Entropy Signal‑to‑Noise Ratio) verspricht, das bislang fehlende Messinstrument für die mittlere Trainingsphase großer Sprachmodelle zu liefern. Während SWE‑Bench als führender Standard zur Bewertung von LLMs in komplexen Software‑Engineering‑Aufgaben gilt, fehlt bislang ein zuverlässiger Indikator, der den Lernfortschritt während dieser Phase steuern kann.

In automatisierten Software‑Entwicklungs‑Pipelines bleibt die Code‑Lokalisierung ein entscheidender Engpass. Aktuelle Agenten rufen Tools zu 34,9 % redundanterweise auf, was die Vorteile von Parallelisierung zunichte macht. Mit dem neuen Ansatz FuseSearch wird das Problem als Aufgabe der gleichzeitigen Optimierung von Qualität und Effizienz neu formuliert.

Ein brandneues Framework namens SAGE (Self‑Abstraction from Grounded Experience) ermöglicht es Sprachmodell‑Agenten, aus ihren eigenen Ausführungen zu lernen und ihr Verhalten systematisch zu verfeinern. Durch die Analyse eines ersten Rollouts extrahiert der Agent eine kompakte Plan‑Abstraktion, die die wichtigsten Schritte, Abhängigkeiten und Einschränkungen zusammenfasst.