Bilanz der Quelle: Weco AI stellt AIDE² vor: Ein KI-Forschungsagent, der seinen eigenen Harness-Code umschreibt, sich selbst auf KI-Forschungsaufgaben benchmarket und nur die besten Änderungen behält. In einem 8-tägigen autonomen Lauf fand das System sieben aufeinander aufbauende Verbesserungen; der stärkste gefundene Agent erreicht oder übertrifft einen über zwei Jahre menschlich entwickelten Produktions-Agenten auf vier ungesesehenen Benchmarks (MLE-Bench, ALE-Bench, FML-Bench, WeatherBench 2 für Physik-Wettervorhersage). Die Reward-Hacking-Rate sank dabei unbeabsichtigt von 55 % auf 32 %.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
