15 Einträge
Schlagwort: reinforcement-learning
VideoVideo:CURT
Jason Mancuso von Modal zeigt, warum das bloße Austauschen statischer Modelle für Agenten nicht ausreicht. Teams mit Produktiv-Deployments besitzen mit Harness, Evals und Traces bereits die nötigen Bausteine für Reinforcement Learning (RL). Ein Rezept aus GRPO, Masked Importance Sampling und Score Centering stabilisiert asynchrones Training über heterogene GPUs und senkt Rollout-Kosten um 15 Prozent.
X-Post:Mario Zechner
Younes kündigt den Live-Start für das Training von LoRA-Adaptern auf Basis von LFM2.5, LFM3 und Twil-9B an. Mittels Reinforcement Learning sollen die Modelle für agentische Aufgaben präziser und effizienter werden. Mario Zechner empfiehlt das öffentlich einsehbare Vorhaben.
92Lesezeichen9942Aufrufe
VideoVideo:CURT
In der ersten Folge einer Erklärserie beschreibt Software-Ingenieur Colin den gesamten Entwicklungsprozess moderner Sprachmodelle anhand des technischen Berichts von Moonshot AIs Kimi K3. Der Lebenszyklus gliedert sich in neun Stationen: von der Zieldefinition und Datenaufbereitung über Architektur und Pre-Training bis hin zu Post-Training, Benchmarks, Sicherheitsprüfungen und Serving im Produktivbetrieb.
Artikel:Wikipedia contributors
Reinforcement Learning from Human Feedback (RLHF) ist ein Verfahren im maschinellen Lernen, das KI-Modelle an menschlichen Präferenzen ausrichtet. Anstatt feste Belohnungsfunktionen manuell zu definieren, bewerten menschliche Annotatoren Modellausgaben im Vergleich. Daraus lernt ein separates Belohnungsmodell, das wiederum die Modell-Policy mittels Algorithmen wie Proximal Policy Optimization optimiert.
Artikel:Dwarkesh Patel
Im Gespräch mit Dwarkesh Patel analysiert KI-Forscher Ilya Sutskever die Diskrepanz zwischen exzellenten Benchmark-Ergebnissen und dem noch verzögerten wirtschaftlichen Nutzen von KI-Modellen. Er argumentiert, dass aktuelle Modelle bei der Generalisierung fundamental hinter menschlichen Fähigkeiten zurückbleiben und die Branche von einer reinen Skalierungsphase in eine Ära vertiefter Forschung übergehen muss.
Aus Video: Weekly AI Updates: Local Models, GPT-6 Astra, and Agent Architectures
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.
Aus Video: Weekly AI Updates: Model Releases, Agent Harnesses, and Developer Tooling (August 2026)
Link:primeintellect.ai
Prime Intellect bietet einen durchgängigen Stack für das Training, Evaluieren und Bereitstellen eigener KI-Modelle und Agenten. Die Plattform kombiniert On-Demand- und reservierte GPU-Rechenleistung mit Reinforcement-Learning-Frameworks wie Prime-RL und einer quelloffenen Umgebungsbibliothek.
Aus Video: Weekly AI Updates: Model Releases, Agent Harnesses, and Developer Tooling (August 2026)
Artikel:latent.space
Ein redaktioneller Rückblick von Latent Space analysiert, wie seit 2022 schrittweise jeder Bestandteil der KI-Entwicklungspipeline von menschlicher Arbeit auf Modellarbeit umgestellt wurde. Von Belohnungssignalen und synthetischen Trainingsdaten über Curricula und KI-Forscher bis hin zu synthetischen Testumgebungen und virtuellen Probanden ersetzt KI zunehmend den Menschen – getrieben durch verlässliche Verifikationsmechanismen. Die verbleibende Grenze ist die physische Welt.
Aus Video: AI Weekly Updates: Open-Source Model Surge, Agent Harnesses, and Meta's AI Reality Check
Link:inclusionAI
inclusionAI hat Ring-2.6-1T veröffentlicht, ein Modell mit einer Billion Parametern unter MIT-Lizenz. Es zielt auf komplexe Agenten-Workflows ab und bietet einstellbare Denkintensitäten sowie ein asynchrones RL-Trainingsverfahren.
Artikel:Baidu AI Team
Baidu hat ERNIE 5.1 vorgestellt. Das Modell komprimiert die Gesamtparameter im Vergleich zu ERNIE 5.0 auf etwa ein Drittel und die aktiven Parameter auf etwa die Hälfte, während es laut Hersteller nur sechs Prozent der Vortrainingskosten vergleichbarer Modelle benötigt.
Link:Tengyu Ma
Die offizielle Homepage von Tengyu Ma, Assistant Professor für Informatik an der Stanford University, bietet einen Überblick über seine Forschungsgebiete, aktuelle Doktoranden, Publikationen und Lehraktivitäten im Bereich Machine Learning.
Aus X-Post: Stanford Lecture on the Mathematical Foundations of LLMs
Link:Aakanksha Chowdhery, Azalia Mirhoseini
Die Stanford University bietet mit CS329A ein Master-Seminar zu selbstoptimierenden KI-Agenten an. Der Kurs unter der Leitung von Aakanksha Chowdhery und Azalia Mirhoseini behandelt Methoden, mit denen LLM-basierte Systeme durch Eigeninteraktion und Umgebungsfeedback kontinuierlich lernen.
Aus Video: Stanford CS329A: Introduction to Self-Improving AI Agents and Scaling Trends
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
Aus Video: AI Weekly Updates: Open-Source Model Surge, Agent Harnesses, and Meta's AI Reality Check
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
Aus Video: Weekly AI Updates: Model Releases, Agent Harnesses, and Developer Tooling (August 2026)
X-Post:Astraia
Laut einer Analyse des X-Accounts Astraia basiert die Leistungsfähigkeit von Qwen 3.8 27B nicht auf klassischem Supervised Fine-Tuning (SFT). Stattdessen sei Group Relative Policy Optimization (GRPO) mit großzügigeren Reasoning-Kontextlängen und den Ausgaben von Qwen 3.8 Max als Zielvorgabe genutzt worden.
995Lesezeichen121.991Aufrufe
15 von 15 angezeigt
Haben Sie einen interessanten Artikel, ein Video oder einen Tweet, der in unsere Wissensbasis gehört? Schreiben Sie uns an office@webconsulting.at.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
