KI News: Kurz und klar.

Mit der steigenden Einspeisung erneuerbarer Energiequellen wird die Aufrechterhaltung des Stromsystemgleichgewichts immer stärker auf koordinierte Nachfrageflexibilität von Gebäudeverbundungen angewiesen. MuFlex reagiert auf diese Herausforderung, indem es ein skalierbares, offenes Testbett bereitstellt, das speziell für die Analyse und Koordination von Flexibilitätsstrategien in mehreren Gebäuden entwickelt wurde.

In der Forschung zu vision‑language Modellen hat sich das Reinforcement Learning (RL) als besonders wirkungsvoll für komplexe Schlussfolgerungen erwiesen. Für Aufgaben, die ein tiefes Verständnis von informationsreichen Bildern erfordern und strukturierte Ausgaben erzeugen müssen – wie die Umwandlung von Diagrammen in Programmcode – bleibt die Anwendung von RL jedoch noch wenig erforscht.

In der Welt der quantitativen Investments ist das Generieren von Alpha‑Signalen aus Finanzdaten entscheidend. Trotz der Fortschritte durch genetische Programmierung, Reinforcement Learning und große Sprachmodelle bleibt die systematische Bewertung dieser Signale ein zentrales Problem. Traditionelle Methoden wie Backtesting sind rechenintensiv, sequentiell und stark von spezifischen Parametern abhängig, während korrelationsbasierte Kennzahlen lediglich die Vorhersagekraft messen und wichtige Aspekte wie Stabilität, Robustheit, Diversität und Interpretierbarkeit vernachlässigen.

Reinforcement‑Learning (RL) hat sich bereits als äußerst wirkungsvoll erwiesen, wenn Sprachmodelle in klar definierten, deterministischen Bereichen wie der Mathematik verbessert werden sollen. In einer neuen Untersuchung wird nun geprüft, ob dieselben RL‑Methoden auch in Bereichen mit zufälligen Ergebnissen – etwa bei wissenschaftlichen Experimenten – erfolgreich sind.

In vielen afrikanischen Regionen verzögern sich Notfallreaktionen und die Verteilung von Ressourcen, was zu vermeidbarem Leid führt. Das neue Forschungsprojekt OPTIC-ER bietet eine Lösung, die diese Probleme mit moderner KI-Technologie angeht.

Ein brandneues Reinforcement‑Learning‑Framework namens RLCCF (Reinforcement Learning from Coevolutionary Collective Feedback) hat die Art und Weise, wie große Sprachmodelle (LLMs) ihre Denkfähigkeiten verbessern, revolutioniert. Im Gegensatz zu bisherigen Ansätzen, die auf teure menschliche Labels oder komplexe Reward‑Modelle angewiesen sind, arbeitet RLCCF ohne externe Aufsicht und nutzt stattdessen die kollektive Intelligenz mehrerer Modelle.

QuarkMed hat ein neues medizinisches Basismodell vorgestellt, das dank gezielter Datenaufbereitung, Retrieval‑Augmented Generation (RAG) und einem umfangreichen Reinforcement‑Learning‑Pipeline die Anforderungen an Fachwissen, Präzision und Anpassungsfähigkeit erfüllt. Das Modell erreichte beeindruckende 70 % Genauigkeit bei der chinesischen Medizinprüfungsprüfung und zeigt damit eine starke Generalisierung über verschiedene medizinische Benchmarks hinweg.

Die beiden führenden Post‑Training‑Methoden für große Sprachmodelle – Supervised Fine‑Tuning (SFT) und Reinforcement Learning (RL) – werden in der neuen Studie CHORD zu einem einheitlichen Ansatz verschmolzen. Dabei wird SFT nicht mehr als separate Phase behandelt, sondern als dynamisch gewichtetes Nebenziel im On‑Policy‑RL‑Prozess.

Ein neues arXiv-Papier (2508.10967v1) präsentiert Retro‑Expert, ein innovatives Framework für die Retrosynthese, bei dem Künstliche Intelligenz und chemisches Fachwissen zu einer interpretierbaren Lösung verschmolzen werden.

ServiceNow hat mit dem Apriel‑Nemotron 15B Thinker ein neues 15‑Billionen‑Parameter‑Modell vorgestellt, das in der Lage ist, die Leistungen moderner, größerer Modelle wie o1‑mini, QWQ32B und EXAONE‑Deep‑32B zu erreichen – und das bei halb so großem Speicherbedarf.

OpenAI hat zwei neue Open‑Weight‑Modelle vorgestellt: gpt‑oss‑120b und gpt‑oss‑20b. Beide setzen neue Maßstäbe in Genauigkeit und Effizienz und nutzen eine effiziente Mixture‑of‑Expert‑Transformer‑Architektur.

Mit dem Aufkommen autonomer Agenten, die zunehmend in der Lage sind, grafische Benutzeroberflächen (GUIs) zu verstehen und zu bedienen, entsteht eine neue Ära der automatisierten Aufgabenerfüllung. Reinforcement Learning (RL) hat sich dabei als effektives Mittel erwiesen, die Leistung dieser Agenten in dynamischen, interaktiven GUI‑Umgebungen zu steigern.

Supervised Fine‑Tuning (SFT) ist die gängige Methode, um große Sprachmodelle (LLMs) für neue Aufgaben zu adaptieren. Dabei werden die Modelle anhand von Experten‑Demonstrationsdatensätzen trainiert, was die Implementierung vereinfacht und schnell zu Experten‑ähnlichem Verhalten führt. Allerdings zeigen sich bei SFT‑Modellen häufig Einschränkungen in der Generalisierung, wenn sie auf unbekannte Situationen stoßen.

Ein neues arXiv-Papier präsentiert einen Ansatz, der das Problem der sparsamen Belohnungen bei langfristigen Reinforcement‑Learning‑Aufgaben – ein zentrales Hindernis in der KI‑Forschung – gezielt adressiert. Besonders im Bereich der Softwareentwicklung, wo mehrfache Interaktionsschritte und regelbasierte Verifikation entscheidend sind, liefert die Arbeit einen vielversprechenden Durchbruch.

Die neue Methode SABER (Switchable and Balanced Training for Efficient LLM Reasoning) nutzt ein Reinforcement‑Learning‑Framework, um große Sprachmodelle (LLMs) mit token‑budgetierter, nutzerkontrollierbarer Argumentation auszustatten. Durch die Analyse des Token‑Verbrauchs jedes Trainingsbeispiels werden diese in vordefinierte Budget‑Stufen eingeteilt, sodass das Modell während des Fine‑Tuning gezielt innerhalb seiner zugewiesenen Grenzen bleibt.

Computer‑Aided Design (CAD) ist ein unverzichtbarer Bestandteil moderner Ingenieur- und Fertigungsprozesse, doch die herkömmlichen Arbeitsabläufe erfordern noch immer umfangreiches Fachwissen und manuelle Modellierung. Durch die rasante Entwicklung großer Sprachmodelle (LLMs) ist es nun möglich, aus natürlicher Sprache Programmcode zu erzeugen, was neue Wege zur Automatisierung parametrisierter 3‑D‑Modelle eröffnet. Die direkte Umsetzung des Design‑Intents in lauffähigen CAD‑Code bleibt jedoch schwierig, weil logisches Denken, syntaktische Korrektheit und numerische Präzision miteinander verknüpft werden müssen.

Die neuesten multimodalen Sprachmodelle (MLLMs) zeigen beeindruckende Leistungen, doch bei komplexen mathematischen Aufgaben bleiben sie oft hinter den Erwartungen zurück. Mit dem neuen We‑Math 2.0‑System wird dieses Problem angegangen, indem ein ganzheitlicher Ansatz aus strukturiertem Wissen, modellzentriertem Datenraum und einem Reinforcement‑Learning‑Training kombiniert wird.

Eine neue Studie aus dem arXiv-Repository präsentiert ein innovatives Konzept, das die Unsicherheitsbewertung in künstlicher Intelligenz (KI) revolutionieren könnte. Das „entropische Potential von Ereignissen“ misst, wie einzelne Aktionen, Beobachtungen oder andere diskrete Ereignisse die erwartete zukünftige Entropie eines Systems beeinflussen.