KI-Systeme, die sich ohne menschliches Eingreifen verbessern, verlieren an Boden, doch ein Bereich hält stand.
Über vier Wochen hinweg sinken die Veröffentlichungen zu multi-agent systems and negotiation (Multi-Agenten-Systeme und Verhandlung) von 204 auf 111 Artikel, was einem Rückgang um fast die Hälfte entspricht. Dennoch bleibt eine Teilmenge dieser Arbeiten - jene, die recursive self-improvement (rekursive Selbstverbesserung) erforschen - stabil. Der Begriff taucht in diesem Monat in 33 Artikeln auf, ein Volumen, das nahe an den 31 im August liegt. Diese Forschungen befassen sich mit Agenten, die in der Lage sind, ihre eigenen Fehler zu korrigieren und ihre Leistungen zu verfeinern, ohne von externen Daten oder Menschen abhängig zu sein.
Drei aktuelle Artikel veranschaulichen diese Beständigkeit:
- The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement
- MetaRSI / RSI2: A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves
- Generalized Agent Iteration: One Formal Framework for Iterative Policy Improvement and Recursive Self-Improvement
Parallel dazu steigt die Zahl der Artikel zu agent harnesses (Software-Frameworks, die Ziele und Einschränkungen von Agenten definieren) in diesem Monat auf 51, verglichen mit 21 im August. Diese Tools zielen darauf ab, komplexe und langfristige Aufgaben wie Projektmanagement oder zeitlich gestreckte Entscheidungsfindung zu strukturieren. Zwei Beispiele:
- RobustSGPO: Search-Space Control for Agent Harness Evolution
- Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails
Andernorts gehen die meisten großen Themen zurück. Large language models (große Sprachmodelle) sinken von 587 auf 271 Artikel, und multimodale Anwendungen (die Text, Bild und Ton kombinieren) von 575 auf 244. Einzig Speech Recognition and Synthesis (Spracherkennung und -synthese) verzeichnet einen Anstieg mit 112 Artikeln gegenüber 78.