KI News: Kurz und klar.

Ein neues Forschungsprojekt namens AgentArk zeigt, wie die Leistungsfähigkeit von Multi-Agenten-Systemen in ein einzelnes Sprachmodell integriert werden kann. Durch das sogenannte „Distilling“ werden die Interaktionen und das kollektive Wissen der Agenten in die Gewichte eines einzigen Modells überführt, sodass die Vorteile von Debatten und Selbstkorrektur erhalten bleiben, ohne die hohen Rechenkosten eines Multi-Agenten-Setups.

Reinforcement Learning (RL) gilt als das führende Verfahren, um große Sprachmodelle zum eigenständigen Nachdenken und Korrigieren ihrer Fehler zu bringen. Doch die damit verbundene Rechenintensität hat die Forschung dazu veranlasst, nach kostengünstigeren Alternativen zu suchen.

Ein neues Verfahren namens Murphy erweitert die bereits erfolgreiche Group Relative Policy Optimization (GRPO) um einen mehrschrittigen, reflektierenden Optimierungsprozess. Durch die Kombination von quantitativen und qualitativen Rückmeldungen aus der Ausführung lernt das Modell, seine eigenen Entscheidungen in mehreren Runden zu überdenken und zu verbessern.

In einer neuen Veröffentlichung auf arXiv wird ScRPO – Self‑Correction Relative Policy Optimization – vorgestellt, ein innovatives Reinforcement‑Learning‑Framework, das große Sprachmodelle gezielt bei komplexen mathematischen Aufgaben stärkt. Durch die Kombination von Selbstreflexion und Fehlerkorrektur lernt das Modell, aus eigenen Irrtümern zu wachsen und dadurch seine Problemlösungsfähigkeiten nachhaltig zu verbessern.