X-PostMario ZechnerAnkündigung
Spezialisierte LoRA-Adapter ermöglichen es Entwicklern, schlankere Basismodelle für Agent-Workflows zu optimieren, ohne teure Vollmodelle trainieren zu müssen.
Mario Zechner verweist auf ein neues Experiment von Younes (@yb2698), bei dem LoRA-Adapter (Low-Rank Adaptation) via Reinforcement Learning (RL) trainiert werden. Als Basissysteme dienen die Modelle LFM2.5 und LFM3 von Liquid AI sowie das Modell Twil-9B von thewebAI.
Ziel der Initiative ist es, die Modelle speziell auf agentische Arbeitsabläufe auszurichten. Durch den Einsatz von Reinforcement Learning sollen Genauigkeit und Effizienz der Modelle in Agenten-Setups gesteigert werden. Der Fortschritt des Modelltrainings kann direkt über Hugging Face Spaces live verfolgt werden.
Mario Zechner
@badlogicgames · 6. November 2026
super cool! t.co/b0qPwl9nRp
91 Likes2 Antworten92 Lesezeichen9942 Aufrufe
Auf X ansehenZusammenfassung von KI erstellt (Gemini 3.8 Flash, 8. November 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Liquid AI
Liquid AI hat das Open-Weight-Modell LFM2.5-2.6B vorgestellt. Mit 2,6 Milliarden Parametern wurde es speziell für Agenten-Workflows optimiert und läuft vollständig lokal auf Smartphones, CPUs oder Rechenzentrums-GPUs.
Artikel:Shuai Shao, Kangning Zhang, Qingyao Li, Shijian Wang, Hao Wang, Wenxiang Jiao, Yuan Lu, Yi Guo, Weiwen Liu, Weinan Zhang
Ein Forschungsteam stellt Harness-R1 vor, eine Methode zur gezielten Anpassung der Software-Laufzeitumgebung (Harness) von LLM-Agenten. Statt nur Modellgewichte anzupassen, lernt ein separater 9B-Agent per Reinforcement Learning, fehlerhafte Ausführungsspuren zu analysieren und validierte Code-Patches für Kontextaufbereitung, Tool-Vermittlung und Aktionsvalidierung zu generieren.
Repository:DeepExperience/Harness-R1
Harness-R1 ist ein Forschungsprojekt, das einen sogenannten Harness Engineer trainiert: Ein Modell analysiert fehlgeschlagene Trajektorien von KI-Agenten und generiert automatisch wiederverwendbare Laufzeit-Hooks, um dieselben Aufgaben im zweiten Anlauf erfolgreich zu bewältigen.
97SternePython
Repository:ornith-ai/Ornith-1
Das GitHub-Repository Ornith-1 stellt eine Familie quelloffener KI-Modelle vor, die speziell auf agentische Aufgaben und iterative Selbstoptimierung ausgelegt sind. Mit den Generationen Ornith-1.0 und Ornith-1.5 verfolgt das Projekt Ansätze wie Self-Scaffolding und automatisierte Aufgaben- und Lösungserstellung für Reinforcement Learning.
2013Sterne
Repository:amosblomqvist/learnharness
LearnHarness nutzt KI-Agenten, um komplexe Themen schrittweise anhand des individuellen Wissensstands zu vermitteln. Das Tool erfasst Denkwege und sichert Erkenntnisse in einem Wissensgraphen. Es richtet sich an Lernende und Entwickler, die anspruchsvolle Konzepte strukturiert erschließen wollen.
3186SterneTypeScript
Link:Apodex AI
Apodex AI hat das Modell Apodex-1.1-mini unter der Apache-2.0-Lizenz auf Hugging Face bereitgestellt. Das Modell basiert auf der Architektur qwen3_5_moe und ist speziell auf komplexe Recherche- und Agenten-Aufgaben mit nativer Tool-Nutzung ausgelegt.
Ein Teil von diesem Inhalt wurde mit KI gemacht.
