Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: reinforcement-learning
Schulung von Unternehmens-KI-Agenten: Auswahl zwischen SFT, DPO, GRPO und RAG
Schulung von KI-Agenten für Unternehmen: Wann SFT, DPO, GRPO, LoRA oder einfaches RAG verwendet werden sollten und wie das Ergebnis als fixierte, überprüfte und rückgängig machbare Version bereitgestellt werden kann.
50 Min. LesezeitRouteRAG: Anleitung für ein kleines Modell, wann und wie mit RL gesucht werden soll.
RouteRAG trainiert ein kleines Modell mit zweistufigem GRPO zur Auswahl zwischen Passus-, Graphen- oder hybriden Suchverfahren, wodurch die Anzahl der Suchvorgänge reduziert und die Ergebnisse bei mehrstufigen QA-Fragen verbessert werden.
6 Min. LesezeitNeue Fähigkeiten für Deep Agents vermitteln: Planung, Subagenten und SKILL.md-Dateien
Wie DeepAgents von LangChain Planung, Subagenten, Dateisystemspeicher und schrittweises Laden von Fähigkeiten mit einem Build-Plan, Testempfehlungen und Bereitstellungsanweisungen kombinieren.
12 Min. LesezeitErklärung zur Feinabstimmung von GRPO: Wie man einem lokalen LLM das Denken beibringt
GRPO gibt den Kritiker von PPO auf und lernt durch Vergleiche mit anderen Gruppen. Es wird auf die fünf zentralen Größen, die Belohnungsfunktionen sowie ein kurzes Trainingsskript für Unsloth und TRL eingegangen.
11 Min. LesezeitDocSeeker: Wie man einem Vision-Modell beibringt, in langen Dokumenten Seiten zu zitieren
DocSeeker zerlegt Fragen zu langen Dokumenten in Analyse, Lokalisierung und Schlussfolgerung und wird mit Distillation und evidenzgewichtetem RL trainiert. So funktioniert es und so schneidet es ab.
5 Min. LesezeitWie man CommNet zur Verbesserung des multiagenten Lernens implementiert
Implementierung von CommNet für das Multi-Agenten-Lernen: Warum Agenten kommunizieren müssen, wie CommNet einen versteckten Zustand zwischen ihnen teilt, sowie der Trainingszyklus im Code.
12 Min. LesezeitPraktische Hinweise: Der Exploit mit sys.exit(0): Wie KI-Agenten Erfolg vortäuschen
Schritt-für-Schritt-Anleitung zu den Praktischen Hinweisen: Der Exploit mit sys.exit(0): Wie KI-Agenten Erfolg vortäuschen – Verträge, Überprüfungen sowie Code-Blöcke für Teams, die dieses Muster einsetzen.
12 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.