Google-Forscher nutzen KI-Suchverlauf, um Kosten der Selbstverbesserung zu senken
aiinsider ·
Google-Forscher haben Dream-RSI entwickelt, ein Framework, das die Suchverlauf-Daten eines KI-Agenten nutzt, um die Kosten für die automatisierte Entdeckung und Selbstverbesserung zu senken. Anstatt das zugrunde liegende Modell neu zu trainieren, zeichnet das System frühere Suchanfragen als Bäume auf, die Ergebnisse und Rechenkosten enthalten, wodurch Agenten alternative Erkundungsstrategien in einer simulierten Wiedergabeumgebung testen können. Dieser Ansatz ermöglicht die Auswahl effizienterer Richtlinien für zukünftige Live-Suchen, ohne teure Experimente wiederholen zu müssen. In Tests mit acht Aufgaben aus den Bereichen Algorithmus-Engineering, mathematische Optimierung und GPU-Programmierung schnitt Dream-RSI entweder genauso gut wie oder besser ab als konkurrierende Methoden, während die Anzahl der erforderlichen KI-Agentenaufrufe erheblich reduziert wurde. Beispielsweise erreichte das System bei der statistischen Algorithmenentwicklung schnellere Laufzeiten mit weniger als der Hälfte der Agentenaufrufe im Vergleich zu festen Erkundungsrichtlinien. Die Studie hebt hervor, dass die Verbesserung der Ressourcenallokation einer KI während einer Suche effektiver sein kann als die Verlass auf hochrangige schriftliche Anleitungen aus früheren Versuchen. Allerdings ist die Methode durch ihre Unfähigkeit begrenzt, Ergebnisse für unerforschte Zweige vorherzusagen, bietet jedoch einen praktischen Weg hin zu einer effizienteren rekursiven Selbstverbesserung.
aiinsider