Computer-Agenten skalieren mit prüfbaren Aufgaben

SCALECUA , eingereicht am 13. Juli von Bowen Lv und neun Mitautorinnen und Mitautoren, nimmt sich eines handfesten Problems vor: Agenten, die grafische Oberflächen bedienen, brauchen Aufgaben, deren Erfolg automatisch prüfbar ist. Ohne diese Rückmeldung wird Online-Reinforcement-Learning zum sehr teuren Ratespiel mit Mauszeiger.

Der Vorschlag heißt VeriGen. Die Pipeline erzeugt Aufgaben in Docker-Umgebungen, lässt mehrere Agenten Feedback geben und prüft Resultate. Laut Abstract entstanden dabei mehr als vierundzwanzigtausend verifizierbare Aufgaben und fast dreitausend Aufgaben höherer Qualität für das Training. Das sind Autorenangaben aus einem noch nicht begutachteten Preprint, nicht unabhängige Benchmarks.

Der zweite Baustein, Frontier Sampling, verteilt Rechenzeit dorthin, wo ein Agent gerade noch lernen kann. Zu leichte Aufgaben füttern das Ego, zu schwere füttern vor allem die Stromrechnung. Ergänzend teilt Visual Context Segmentation den jüngsten Bildkontext in verschiebbare Fenster; die Autorengruppe berichtet eine 2,83-fache Beschleunigung gegenüber einer schrittweisen Zerlegung.

Die ausgewiesenen Resultate sind 68,7 Prozent auf OSWorld und 54,0 Prozent auf ScienceBoard. Beides ist relevant, beides bleibt aufgabenspezifisch. Ein Benchmarkwert sagt noch nicht, dass ein Agent in Ihrer Buchhaltung, in Ihrem CRM oder beim Umbuchen eines Bahntickets gesunden Menschenverstand bestellt hat. Er sagt: Die Trainingsfrage wird konkreter.