Montag, 20. April 2026

4 Nachrichten — 🟡 4 wichtig

🤝 Agenten (2)

🟡 🤝 Agenten 20. April 2026 · 3 Min. Lesezeit

Experience Compression Spectrum: ein Architekturrahmen, der Gedächtnis, Fähigkeiten und Regeln in LLM-Agenten vereint

Das Experience Compression Spectrum ist ein neues Architekturkonzept, das Gedächtnis, Fähigkeiten und Regeln von LLM-Agenten auf einer einzigen Achse zunehmender Kompression positioniert — von episodischem Gedächtnis (5–20×) über prozedurale Fähigkeiten (50–500×) bis hin zu deklarativen Regeln (1000×+). Die Analyse zeigt, dass bestehende Systeme auf fixen Kompressionsstufen arbeiten und dass Gedächtnis und Fähigkeiten nicht miteinander kommunizieren.

🟡 🤝 Agenten 20. April 2026 · 3 Min. Lesezeit

WORC: Stärkung der schwächsten Agenten in Multi-Agenten-Systemen erzielt 82,2 % Genauigkeit auf Reasoning-Benchmarks

WORC (Weak-Link Optimization for Reasoning and Collaboration) ist ein neues Framework, das statt der Optimierung starker Agenten schwache Glieder in Multi-Agenten-LLM-Systemen identifiziert und stärkt. Durch Meta-Learning und Schwarm-Intelligenz werden Underperformer gefunden und erhalten zusätzliche Reasoning-Ressourcen zugeteilt. Ergebnis: 82,2 % durchschnittliche Genauigkeit auf Reasoning-Benchmarks und bessere Stabilität über Architekturen hinweg.

🏥 In der Praxis (1)

🟡 🏥 In der Praxis 20. April 2026 · 3 Min. Lesezeit

AgentV-RL bringt tool-augmentierten Verifikator mit Forward- und Backward-Agenten — 4B-Modell übertrifft SOTA-Reward-Modell um 25,2 %

AgentV-RL ist ein neues Framework zur Skalierung des Reward-Modelings durch einen agentischen Verifikator, der Multi-Turn-Tool-augmentierte Deliberation nutzt. Zwei komplementäre Agenten — Forward (von Prämissen zur Schlussfolgerung) und Backward (von der Schlussfolgerung zu den Prämissen) — validieren das Reasoning. Durch RL mit proaktiver Exploration übertrifft die 4B-Variante State-of-the-Art Outcome-Reward-Modelle um 25,2 %.

🛡️ Sicherheit (1)

🟡 🛡️ Sicherheit 20. April 2026 · 3 Min. Lesezeit

ASMR-Bench: Benchmark zur Sabotage-Erkennung in der ML-Forschung zeigt Gemini 3.1 Pro AUROC 0,77 und nur 42 % Fix-Rate

ASMR-Bench (Auditing for Sabotage in ML Research) ist ein neuer Sicherheits-Benchmark mit 9 ML-Forschungsprojekten und ihren absichtlich fehlerhaften Varianten, die irreführende Ergebnisse erzeugen. Das beste Ergebnis — AUROC 0,77 und eine Top-1-Fix-Rate von 42 % — erzielte Gemini 3.1 Pro, was bedeutet, dass selbst die besten KI-Prüfer Sabotage in mehr als der Hälfte der Fälle nicht erkennen. LLM-generierte Sabotagen sind schwächer als menschliche.