Die Einführung von SkillOpt hat das Potenzial, die Leistung von KI-Agenten erheblich zu steigern. Laut den Entwicklern ermöglicht eine einfache Markdown-Datei eine Verbesserung von über 20 Punkten bei prozeduralen Aufgaben für GPT-5.5. Diese Methode, die von Microsoft in Zusammenarbeit mit drei chinesischen Universitäten entwickelt wurde, trainiert Handlungsanleitungen für KI-Agenten ähnlich wie Modellgewichte. OpenAI präsentiert neue Modelle mit verbesserten Fähigkeiten, die in diesem Kontext von Bedeutung sind.
Kommerzielle Anwendungen und Standards
In der kommerziellen Nutzung sind solche Anleitungen, die als „Skills“ bezeichnet werden, bereits weit verbreitet. Ein Beispiel ist Claude von Anthropic, das im vergangenen Jahr um ein modulares Skill-System erweitert wurde. Dieses System lädt automatisch themenspezifische Anleitungen, Skripte und Ressourcen, die je nach Aufgabe benötigt werden.
- Skills bündeln Vorgehensweisen und Regeln für den Werkzeugeinsatz.
- Sie definieren Ausgabeformate und identifizieren bekannte Fehlerquellen.
- Diese Standards haben sich in der Branche etabliert.
Traditionell entstehen Skills entweder manuell, durch einen einmaligen Durchlauf eines Sprachmodells oder durch lose Selbstüberarbeitung. Laut dem entsprechenden Paper der Microsoft-Gruppe sind jedoch keine dieser Methoden als echte Optimierer zu betrachten, da sie nicht garantieren, dass der Skill am Ende verbessert wird. Ein interessanter Ansatz ist, wie Marktplätze für Agentenfähigkeiten entscheidend für die Entwicklung leistungsstarker KI-Agenten sein können.
Die Funktionsweise von SkillOpt
SkillOpt behandelt das Skill-Dokument als einen externen, trainierbaren Zustand eines fixierten Ziel-Modells. Ein separates Sprachmodell übernimmt die Funktion des Optimierers. Es analysiert die Protokolle der Agenten-Durchläufe, identifiziert wiederkehrende Fehler- und Erfolgsmuster und schlägt gezielte Änderungen am Skill vor. Diese Änderungen, wie das Hinzufügen, Löschen oder Ersetzen von Textpassagen, werden nur dann übernommen, wenn sie sich auf einem separaten Validierungsdatensatz als vorteilhaft erweisen. Ein weiterer interessanter Aspekt ist, dass virtuelle Agenten Akrobatik lernen, was die Möglichkeiten von SkillOpt erweitern könnte.
„`
Quellen: the-decoder
Bildquelle: KI generiert
