RSS VentureBeat
Folgen
Neue KI-Trainingsmethode erstellt leistungsstarke Software-Agenten mit nur 78 Beispielen
Eine neue Studie stellt LIMI vor, einen Rahmen, der zeigt, dass weniger Daten zu intelligenteren KI-Agenten führen können. Forscher fanden heraus, dass qualitativ hochwertige agentische Demonstrationen, nicht riesige Datensätze, der Schlüssel zur Entwicklung autonomer KI-Systeme sind. LIMIs Ansatz konzentriert sich auf die Kuratierung strategisch ausgewählter Beispiele für KI-Problemlösungen. Experimente zeigten, dass ein Modell, das auf nur 78 sorgfältig ausgewählten Demonstrationen trainiert wurde, Modelle, die auf Tausenden von Beispielen trainiert wurden, deutlich übertraf. Diese Entdeckung ist entscheidend für Unternehmensanwendungen, bei denen die Datenerfassung schwierig und teuer ist. Agentur wird als KI-Systeme definiert, die autonom Probleme erkennen, Hypothesen formulieren und Lösungen ausführen können. Das aktuelle Training von LLMs geht oft davon aus, dass mehr Daten gleichbedeutend mit höherer agentischer Intelligenz sind, was zu komplexen Pipelines und Ressourcenanforderungen führt. LIMIs Methode beinhaltet das Sammeln von Anfragen und detaillierten Verläufen von KI-Aktionen zur Lösung dieser Anfragen. Der Datensatz wurde anhand von realen Szenarien und synthetisierten Anfragen erstellt, die von menschlichen Experten geprüft wurden. Die Verläufe erfassten den gesamten Problemlösungsprozess, einschließlich Fehlern und Verfeinerungen. LIMI-trainierte Modelle erzielten überlegene Ergebnisse bei Benchmarks für agentische Fähigkeiten, Werkzeugnutzung und Codierung. Die Studie legt nahe, dass die Beherrschung der Agentur darin besteht, ihre Kernprinzipien zu verstehen, nicht nur die Datenskalierung. Dieser Rahmen bietet einen nachhaltigen Weg zur Entwicklung spezialisierter KI-Agenten für Unternehmen.
