KI News: Kurz und klar.

Der Knowledge Gradient (KG) gilt als eine der führenden Akquisitionsfunktionen in der Bayesianischen Optimierung (BO) und wird häufig eingesetzt, um schwarze Box-Funktionen mit verrauschten Messungen zu optimieren. In vielen praktischen Anwendungen stehen jedoch nur Paarvergleichsfragen zur Verfügung, sodass direkte Funktionsauswertungen nicht möglich sind. Dieses Szenario führt zu einem Präferenz-BO-Problem, das bislang schwer zu adressieren war.

Große Sprachmodelle (LLMs) ermöglichen es KI-Systemen, sich selbst zu verbessern, indem sie ihre Ergebnisse generieren, bewerten und verfeinern. Neueste Untersuchungen zeigen, dass KI, die sich auf die Optimierung von Prompt‑Varianten konzentriert, sogar besser abschneidet als Reinforcement‑Learning‑optimierte LLMs. Der Erfolg wird dabei meist an der „Query‑Effizienz“ gemessen – der Anzahl der generierten Lösungsvorschläge, die nötig sind, um ein bestimmtes Leistungsniveau zu erreichen.