KI News: Kurz und klar.

Behavior Trees (BTs) bieten ein strukturiertes und reaktives Entscheidungsframework, das häufig eingesetzt wird, um zwischen Untersteuerungen je nach Umweltbedingungen zu wechseln. Reinforcement Learning (RL) hingegen kann nahezu optimale Steuerungen erlernen, hat jedoch oft Probleme mit spärlichen Belohnungen, sicherer Exploration und der Zuordnung von langfristigen Erfolgen.

Ein neues Verfahren nutzt Reinforcement Learning (RL), um die Genauigkeit von „decoding‑based regression“ zu erhöhen – ein Ansatz, bei dem große Sprachmodelle numerische Vorhersagen als Sequenz erzeugen. Traditionell werden dabei token‑basierte Ziele wie Kreuzentropie verwendet, die jedoch nicht mit den kontinuierlichen Zielwerten übereinstimmen und die Präzision einschränken.

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.

In einer neuen Veröffentlichung auf arXiv wird das Konzept TIGER vorgestellt, das temporale Informationen in Multi-Agenten-Reinforcement-Learning (MARL) durch graphbasierte Einbettungen nutzt. Das Verfahren modelliert explizit, wie Koordinationsstrukturen zwischen Agenten im Zeitverlauf wechseln, anstatt sich auf statische oder schrittweise Relationen zu beschränken.

Wissenschaftler haben die bislang wenig erforschten Skalierungsregeln von großen Sprachmodellen (LLMs) nach dem Reinforcement-Learning (RL)-Training systematisch untersucht. Dabei lag der Fokus auf mathematischem Denken, einem Bereich, der besonders von der Leistungsfähigkeit der Modelle abhängt.

Eine neue Methode zur dynamischen Datensammlung wurde vorgestellt, die die Erstellung kompakter und informativer Trainingsdatensätze für inverse Problem‑Lösungen revolutioniert. Durch ein instanzweises adaptives Sampling werden die benötigten Trainingsproben gezielt auf die jeweilige Testinstanz zugeschnitten, wodurch die Datenmenge drastisch reduziert wird.