NiceWebRL: Python‑Bibliothek für Online‑Experimenten mit RL‑Umgebungen

NiceWebRL ist eine Python‑Bibliothek, die Jax‑basierte Reinforcement‑Learning‑Umgebungen in eine Online‑Schnittstelle umwandelt. Damit können Forscher sowohl Einzel‑ als auch Mehragentenszenarien für menschliche Subjektstudien nutzen. Das Tool ermöglicht es, Algorithmen direkt mit menschlicher Leistung zu vergleichen, maschinelles Lernen als Theorie der menschlichen Kognition zu testen und neue Strategien für die Zusammenarbeit von Mensch und KI zu entwickeln.

In drei Fallstudien demonstriert NiceWebRL sein Potenzial: Erstens wird ein neuartiges kognitives RL‑Modell in Grid‑World und Craftax gegen menschliche Teilnehmer getestet – ein Schritt zur Entwicklung von Human‑like AI. Zweitens wird ein Multi‑Agent‑RL‑Algorithmus im Overcooked‑Domain entwickelt, der sich an menschliche Partner anpassen kann, was Human‑compatible AI vorantreibt. Drittens zeigt die Bibliothek, wie ein Large Language Model Menschen bei komplexen Aufgaben in XLand‑Minigrid unterstützt, einem Umfeld mit Millionen hierarchischer Aufgaben, und damit Human‑assistive AI erforscht.

NiceWebRL ist Open Source und auf GitHub verfügbar. Es bietet Forschern ein flexibles Werkzeug, um KI‑Modelle im realen Kontext zu evaluieren und die Entwicklung menschenzentrierter KI voranzutreiben.