Alibaba präsentiert AgentEvolver: KI-Agenten steigern Leistung um 30 %

Im Tongyi‑Lab von Alibaba wurde ein neues Framework namens AgentEvolver entwickelt, das KI-Agenten ermöglicht, eigenständig Trainingsdaten zu generieren, indem sie ihre Einsatzumgebungen erkunden. Durch die Nutzung der Wissens- und Denkfähigkeiten großer Sprachmodelle lernt das System autonom und reduziert damit die hohen Kosten und den manuellen Aufwand, die bei herkömmlichen Reinforcement‑Learning‑Ansätzen üblich sind.

Experimentelle Tests zeigen, dass AgentEvolver gegenüber klassischen RL‑Frameworks effizienter in der Umgebungserkundung ist, Daten besser nutzt und sich schneller an neue Anwendungen anpasst. Für Unternehmen bedeutet das, dass maßgeschneiderte KI‑Assistenten ohne aufwendige Datensammlung und teure Rechenressourcen entwickelt werden können.

Reinforcement Learning ist bislang ein Hauptparadigma für die Schulung von LLM‑Agenten, doch die Notwendigkeit, umfangreiche, manuell erstellte Datensätze zu sammeln und Millionen von Trial‑and‑Error‑Versuchen durchzuführen, macht die Methode teuer und ineffizient. AgentEvolver löst diese Probleme, indem es die Agenten selbstständig lernen lässt und damit die Einstiegshürde für die Nutzung leistungsfähiger, kundenspezifischer KI‑Assistenten senkt.