ArtikelTerry Chen, Yeyin (Eva) Zhu, Zhifan Ye, Jean-Francois Puget and Humphrey ShiForschung
Das Experiment zeigt, dass für das Bewältigen komplexer, vielstufiger Aufgaben nicht allein das zugrunde liegende Sprachmodell ausschlaggebend ist, sondern die Systemarchitektur aus Memory, Werkzeugen, Feedbackschleifen und Aufsicht.
NVIDIA demonstriert, dass dieselbe Agentenschleife von der Low-Level-GPU-Optimierung auf interaktives Reasoning übertragbar ist. Der Erfolg beruht auf kontinuierlicher Hypothesenbildung und Fehlerkorrektur, während die Supervisor-Komponente verhindert, dass der Agent in ineffizienten Schleifen steckenbleibt.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Terry Chen, Zhifan Ye, Bing Xu, et al.
Ein Forschungsteam stellt mit Agentic Variation Operators (AVO) ein Framework vor, das klassische Mutations- und Crossover-Operatoren durch autonome KI-Agenten ersetzt. Auf NVIDIA Blackwell (B200) GPUs übertrafen die damit entwickelten Attention-Kernel etablierte Bibliotheken wie cuDNN und FlashAttention-4.
Artikel:ARC Prize Foundation
Die ARC Prize Foundation stellt mit ARC-AGI-3 eine neue Benchmark-Generation vor, die agentische Intelligenz in neuartigen, interaktiven und rundenbasierten Umgebungen testet. Während Menschen 100 Prozent der kalibrierten Aufgaben lösen, liegen führende KI-Systeme im März 2026 bei unter einem Prozent.
Link:arcprize.org
ARC-AGI-3 ist ein neuer interaktiver Benchmark zur Messung menschenähnlicher Intelligenz in KI-Agenten. Statt statischer Aufgaben müssen Agenten unbekannte Umgebungen interaktiv erkunden, Ziele eigenständig ableiten und Strategien über längere Zeithorizonte anpassen.
Artikel:Chris Alexiuk and Chintan Patel
NVIDIA hat Nemotron 3.5 Lightning vorgestellt, ein offenes Mixture-of-Experts-Modell (MoE) mit 30 Milliarden Gesamt- und 3 Milliarden aktiven Parametern. Es wurde speziell für die Ausführungsebene langlebiger KI-Agenten optimiert, um Routineaufgaben wie Tool-Aufrufe und Ergebnisvalidierung schnell und kostengünstig zu bewältigen.
Link:Rogerio Bonatti, Dan Zhao, Francesco Bonacci, et al.
Forschende von Microsoft, der Carnegie Mellon University und der Columbia University haben mit Windows Agent Arena (WAA) ein Open-Source-Framework veröffentlicht, mit dem multimodale KI-Agenten in einer nativen Windows-11-Umgebung getestet werden können. Das System umfasst über 150 Alltagsaufgaben und lässt sich via Azure parallelisieren, wodurch vollständige Benchmark-Läufe in rund 20 Minuten statt mehreren Tagen durchlaufen. Ein begleitend vorgestellter Referenz-Agent namens Navi erreichte eine Erfolgsquote von 19,5 Prozent, verglichen mit 74,5 Prozent menschlicher Genauigkeit.
Link:arcprize.org
Die Veranstalter des ARC Prize stellen den Track ARC-AGI-3 für 2026 vor. Der Benchmark verlässt statische Testdaten und verlangt von KI-Agenten, unbekannte, dynamische Spielumgebungen ohne Vorgaben interaktiv zu erkunden und zu meistern. Insgesamt sind 850.000 US-Dollar an Preisgeldern ausgeschrieben.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
