Google DeepMinds Dream-RSI hilft KI-Agenten, sich durch das „Träumen“ von früheren Versuchen zu verbessern
decoder ·
Forschende von Google und DeepMind entwickelten Dream-RSI, eine Methode, die KI-Agenten dabei hilft, bessere Suchstrategien für schwierige Optimierungsaufgaben auszuwählen, ohne das zugrunde liegende Modell zu verändern. Sie zeichnet die Versuche und Ergebnisse der Agenten in einem Suchbaum auf und spielt diese Historie anschließend erneut ab, um alternative Entscheidungen zu testen, ohne Lösungen erneut zu generieren oder zu bewerten. Dieser „Traumprozess“ wechselt sich mit Live-Suchen ab und ermöglicht es, Tausende von Strategien kostengünstig zu vergleichen, bevor die vielversprechendste eingesetzt wird. In Tests mit Gemini 3.1 Pro und Gemini 3.7 Flash bei acht Aufgaben aus drei Bereichen erzielte Dream-RSI mit weniger Versuchen schnellere oder bessere Ergebnisse. Bei einer Aufgabe zur Programmoptimierung senkte Gemini 3.1 Pro die durchschnittliche Laufzeit von 3.587 auf 2.931 Millisekunden und verringerte die Zahl der Versuche von 550 auf 317; dabei übertraf es SimpleTES, das 51.200 Durchläufe benötigte. Die Methode erreichte außerdem die gleiche Leistung bei GPU-Kernels mit bis zu 2,43-mal weniger Durchläufen oder eine bis zu 2,09-mal höhere Leistung bei demselben Budget. Eine anschließende Analyse ergab, dass die Umwandlung von Suchhistorien in ausdrückliche Anweisungen die Exploration manchmal einschränken konnte. Die Forschenden haben den Code und weitere Einzelheiten auf GitHub veröffentlicht.
decoder