<strong>LLM‑gesteuerte Lernkurve steigert Blackjack‑RL‑Agenten um 4 % Gewinnrate</strong>

In der Welt des Reinforcement Learning (RL) kämpfen Agenten häufig mit Effizienz und Leistung in komplexen Umgebungen. Ein neues Konzept nutzt ein Large Language Model (LLM), um dynamisch ein Curriculum über verfügbare Aktionen zu erstellen. Dadurch kann der Agent jede Aktion einzeln einarbeiten und so sein Lernverhalten gezielt steuern.

Das Verfahren wurde auf das klassische Kartenspiel Blackjack angewendet. Das LLM entwirft einen mehrstufigen Trainingspfad, der dem Agenten schrittweise komplexere Aktionen vorstellt. Dabei wurden sowohl ein tabellarischer Q‑Learning‑Agent als auch ein Deep Q‑Network (DQN) getestet.

In einer realistischen Simulation mit acht Kartendecks und zehn unabhängigen Durchläufen zeigte sich ein deutlicher Leistungszuwachs. Der DQN‑Agent erreichte eine durchschnittliche Gewinnrate von 47,41 % – ein Anstieg von 3,44 % gegenüber dem Standardtraining. Gleichzeitig sank die durchschnittliche „Bust“-Rate von 32,9 % auf 28,0 %. Der gesamte Trainingsprozess beschleunigte sich um mehr als 74 %, sodass die komplette Schulung schneller abgeschlossen wurde als die reine Auswertungsphase des Basismodells.

Diese Ergebnisse belegen, dass LLM‑gesteuerte Curricula nicht nur die Effektivität, sondern auch die Robustheit und Effizienz von RL‑Agenten deutlich verbessern können.