AI FRONTIER
Signals worth understanding before they become obvious.
LRMoE: nachfrageseitige Last-Neukalibrierung für effizientes MoE-Training auf speicherbeschränkten Knoten
LRMoE ist ein speicherbewusstes MoE-Trainingssystem, das den Rückwärtsbedarf gemeinsam neu kalibriert und die beibehaltene Arbeitslast ausgleicht, wobei kapazitätsbewusstes Routing und physische Kompaktierung den Rückwärtsverkehr, die Berechnung und den Bedarf an Ausführungspuffern reduzieren. Die Arbeit berichtet, das...
- Die Arbeit berichtet, dass LRMoE auf Qwen3-30B-A3B und GLM4.5-106B-A12B die kumulierte MoE-Schicht-Trainingszeit bis zu festen Loss-Zielen um 21,2-44,8 % gegenüber SYMI reduziert.
- Während der Vorwärtsausführung plant es Beibehaltungsquoten und Expertenplatzierung unter Ressourcenbeschränkungen, während alle gerouteten Berechnungen erhalten bleiben.
- Während der Rückpropagation schätzt eine Last-Neukalibrierungsmetrik den Beitrag jedes Token-Experten-Paares zur Expertenaktualisierung und wählt Paare innerhalb dieser Quoten aus.
Für Teams, die sparse MoE auf speicherbeschränkten GPU-Knoten trainieren, zeigt LRMoE, dass die Auswahl von Token-Experten-Paaren nach ihrem Beitrag während der Rückpropagation den Rückwärtsverkehr und den Pufferbedarf senken kann, ohne die...
Aufdeckung verdeckter Kollusion zwischen KI-Agenten durch Partner-Outsider Positive Listening
Die Arbeit schlägt einen Verhaltenstest vor, Partner-Outsider Positive Listening (PoPLi): Ein Partner, der eine geheime Konvention nutzt, reagiert auf den genauen Wortlaut einer Nachricht, während ein unbeteiligter Agent auf seinem Platz dies nicht tut. PoPLi ist die Differenz zwischen beiden Agenten darin, wie stark s...
- PoPLi erkennt die Nutzung eines privaten Kanals, nicht Kollusion als solche, und kann Kollusion allein über Anreize oder über bedeutungstragende Codes nicht erkennen.
- Das Verfahren wird nachträglich durch Abspielen protokollierter Prompts berechnet, und die Arbeit ist als laufendes Vorhaben gekennzeichnet.
Für Entwickler von Multi-Agenten-Systemen bietet PoPLi eine verhaltensbasierte Auditierung per Log-Replay, die einen privaten Kanal hinter harmlos wirkenden Nachrichten sichtbar machen kann, während rein anreizbasierte oder bedeutungstragen...
WebAnything: Vom wilden Web zu skalierbaren Agentenumgebungen
WebAnything ist ein vollständig automatisiertes Framework, das quellengestützte, wiederverwendbare Web-Umgebungen aus echten URLs rekonstruiert, ohne manuelle Implementierung pro Website oder Reparatur nach der Ersteinrichtung und Autorisierung. Die Arbeit berichtet über 244 Website-Artefakte aus 14 Anwendungsdomänen u...
- Die Arbeit berichtet über 244 Website-Artefakte aus 14 Anwendungsdomänen und 53 Kategorien, die 12.984 ausgeführte und akzeptierte Aufgaben unterstützen.
- Im Vergleich zu menschlich unterstütztem WebHarbor erzielt WebAnything höhere Gesamtwerte bei drei Fidelity-Metriken, mit 12 Siegen, zwei Unentschieden und keiner Niederlage in einem Blind-Audit.
Für Agenten-Entwickler zeigt dies, dass zurücksetzbare Web-Trainings- und Evaluierungsumgebungen ohne Engineering pro Website automatisch aus echten URLs erzeugt werden können, mit berichteten Fine-Tuning-Gewinnen auf konkreten Benchmarks.
ThinkJev: Ein Gedanke, jedes Budget für kalibrierte typisierte Entscheidungen
ThinkJev baut aus einem offenen Hybrid-Thinking-Modell ein schnelles und ein langsames System: System 1 liest die Wahrscheinlichkeiten der Optionsbuchstaben, wenn das Modell direkt antwortet, und System 2 liest dieselben Buchstaben, nachdem das Modell auf demselben gecachten Prompt gedacht hat, sodass eine Eskalation k...
- Bei einer Ziel-Fehlerrate von 5 % beantwortet Qwen3.5-27B 24,5 % von 8359 Testentscheidungen allein mit System 1 bei einer realisierten Fehlerrate von 3,9 % (Qwen3.5-4B und 9B: 6,5 % und 0,0 %).
- Für die übrigen Entscheidungen erreicht das Stoppen jedes Gedankens, sobald seine Antwort sicher ist, 81,6 % Genauigkeit gegenüber 82,7 % bei ständigem Denken, mit 72 % der Denk-Tokens.
Für Entwickler typisierter Entscheidungsdienste legt dies nahe, einen gecachten Prompt und seine Buchstabenwahrscheinlichkeiten auf einem einzigen offenen Hybrid-Thinking-Modell wiederzuverwenden und je Entscheidung unter statistischer Gara...
Messen, wo Absicht bei der agentischen Synthese von Smart Contracts verloren geht
Die Arbeit entwirft eine ausführungsbasierte Evaluation, die dieselben Transaktionen auf einem KI-geschriebenen Vertrag und auf dem zu reproduzierenden Original erneut abspielt und die Übereinstimmungshäufigkeit misst, und schlägt eine Elicitation-first-Architektur vor, die dem Kunden vor dem Schreiben von Code eine ku...
- Die Arbeit berichtet, dass die Prüfung nur der Funktionen, die jedes System enthält, etwa die Hälfte des Unterschieds zwischen Pipelines verbarg.
- Die Arbeit berichtet, dass zuerst zu fragen über drei KI-Modelle hinweg weit wichtiger war als nachträgliches Prüfen oder Patchen, während automatisierte Sicherheitskorrekturen häufig das gewünschte Verhalten brechen.
- Die Arbeit berichtet, dass gängige Methoden wie KI-Richter und Standardanalysetools offensichtliche Fehler übersehen und auch Bewertungsentscheidungen eine Rolle spielen.
- Die Autoren veröffentlichen ihre Werkzeuge, 600 Aufgaben und alle Ergebnisse; die Arbeit wurde bei ACM TheWebConf2027 angenommen.
Bei agentischer Codegenerierung sollten fehlende Anforderungen vor der Generierung erhoben und gegen einen unabhängig geschriebenen ausführbaren Antwortschlüssel validiert werden, statt auf nachträgliche Prüfung oder automatisierte Sicherhe...
OpenFrontiers: Eine Sammlung offener Forschungsprobleme und ein Benchmark für wissenschaftliche Wiederentdeckung
OpenFrontiers verbindet einen strukturierten Korpus von 12.151 offenen Forschungsproblemen mit einem retrospektiven Benchmark aus 200 Mathematikproblemen, von denen 110 im Jahr 2026 gelöst wurden und 90 noch offen sind, jeweils mit einer Lean-4-Aussage, die durch automatisierte Prüfungen und zwei unabhängige Begutachtu...
- Der Korpus erfasst Problemstellungen, Kontext, Fortschritt und weitere Informationen zu 12.151 Problemen.
- Der Benchmark enthält 200 Probleme, 110 im Jahr 2026 gelöst und 90 noch offen, jeweils mit einer Lean-4-Aussage, die durch automatisierte Prüfungen und zwei unabhängige Begutachtungen geprüft wurde.
- Eine Teilmenge HQ-50 filtert weiter nach Qualitätsbewertung usw.
- Das Evaluationsprotokoll bewertet formale Beweise mit zwei unabhängigen Prüfern in einer isolierten Sandbox unter Bedingungen geschlossenen Buchs, eingefrorener Retrieval und Live-Web.
Da der Benchmark die formale Bewertung in Bedingungen geschlossenen Buchs, eingefrorener Retrieval und Live-Web trennt, können Entwickler echte Wiederentdeckung von der Retrieval veröffentlichter Lösungen unterscheiden.