Reinforcement Learning
Eine Trainingsmethode, bei der ein Modell für gute Versuche belohnt wird, statt richtige Antworten vorgegeben zu bekommen.
Reinforcement Learning trainiert durch Versuch, Fehler und Belohnung. Statt korrekte Antworten zum Kopieren zu zeigen, bewertet man Versuche und verschiebt das Modell zu höher belohnten Ergebnissen. Der jüngste Qualitätssprung bei Reasoning-Modellen stammt überwiegend daher, nicht aus größeren Modellen.
Die Methode braucht ein zuverlässiges Richtig-oder-falsch-Signal. Code kompiliert oder nicht, mathematische Beweise stimmen oder nicht. Bei taktvollen E-Mails oder Geschäftsentscheidungen fehlt eine automatische Bewertung. Deshalb wirken Modelle ungleichmäßig: Besonders intensiv trainiert wurde, was sich leicht benoten ließ.
-
OpenAI hat sein eigenes Training für zwei Wochen eingefroren und beobachtet seine Modelle nun mit wachem Auge
-
Google hat aus einem fertigen Modell ein viel schnelleres gemacht und das Rezept veröffentlicht
-
Alibabas Qwen3.8-Max hat 16 Tage damit verbracht, ein eigenes Tool zu schreiben, und die Gewichte werden nächste Woche veröffentlicht
-
Ein OpenAI-Forscher geht nach acht Monaten – weil bessere Daten für ihn wichtiger sind als größere Modelle
-
Ein Training für 500 Dollar: So schlägt ein 9B-Modell die Spitzenmodelle bei einer eintönigen Aufgabe
-
Ein Turing-Preisträger wettet mit seinem neuen Start-up Oak Lab gegen Deep Learning
-
Mistral steigt in die Robotik ein: Eine Kamera reicht, um einen Roboter zu steuern