Tool‑R0: Selbstlernende LLM‑Agenten entwickeln sich ohne Daten

In einer wegweisenden Veröffentlichung präsentiert Tool‑R0 ein völlig neues Konzept für die Ausbildung von Sprachmodell‑Agenten, die eigenständig Werkzeuge einsetzen können. Während herkömmliche Ansätze stark auf vorgefertigte Aufgaben und umfangreiche menschliche Anleitung angewiesen sind, arbeitet Tool‑R0 ausschließlich mit selbstgenerierten Herausforderungen – ganz ohne externe Datensätze.

Der Kern des Systems ist ein selbstspielender Reinforcement‑Learning‑Loop, bei dem zwei Komponenten – ein Generator und ein Solver – sich gegenseitig antreiben. Der Generator erstellt gezielt Aufgaben, die genau an der Leistungsgrenze des Solvers liegen, während der Solver diese Aufgaben mit realen Tool‑Aufrufen löst. Durch diese wechselseitige Evolution entsteht ein dynamisches Curriculum, das sich kontinuierlich an die wachsenden Fähigkeiten des Agenten anpasst.

Die experimentellen Ergebnisse sind beeindruckend: Tool‑R0 erzielt eine relative Verbesserung von 92,5 % gegenüber dem Ausgangsmodell und übertrifft sogar vollständig überwachte Baselines unter denselben Bedingungen. Diese Leistung unterstreicht die Kraft des selbstorganisierten Lernens und zeigt, dass komplexe Tool‑Nutzung ohne externe Daten möglich ist.

Darüber hinaus liefert die Studie wertvolle Einblicke in die Mechanismen der Co‑Evolution, die Dynamik von Lerncurricula und das Skalierungsverhalten von LLM‑Agenten. Tool‑R0 eröffnet damit neue Perspektiven für die Entwicklung von autonomen Systemen, die sich selbstständig weiterentwickeln und dabei immer komplexere Aufgaben bewältigen können.