ASI-Evolve: KI beschleunigt KI-Entwicklung

Die neueste Veröffentlichung von ASI‑Evolve präsentiert ein agentisches Framework, das KI dazu befähigt, ihre eigene Entwicklung zu beschleunigen. Durch einen iterativen Learn‑Design‑Experiment‑Analyze‑Zyklus nutzt das System KI, um die komplexen, langfristigen Forschungszyklen zu durchdringen, die traditionell den Fortschritt in der KI-Forschung vorantreiben.

Ein zentrales Merkmal ist die „Cognition Base“, die in jeder Runde menschliche Vorwissen einfließen lässt, sowie ein dedizierter Analyzer, der die Ergebnisse von Experimenten in wiederverwendbare Erkenntnisse umwandelt. Diese Kombination ermöglicht es, die Lernschleife effizienter zu gestalten und die Entdeckung neuer Lösungen zu beschleunigen.

In der neuronalen Architekturentwicklung hat ASI‑Evolve beeindruckende 105 neue Linear‑Attention‑Architekturen hervorgebracht. Die beste Entdeckung übertrifft das bestehende Modell DeltaNet um 0,97 Punkte – ein Gewinn, der fast dreimal so groß ist wie die jüngsten von Menschen entwickelten Verbesserungen.

Beim Kuratieren von Pre‑Training‑Daten liefert die evolvierende Pipeline einen durchschnittlichen Benchmark‑Aufschlag von 3,96 Punkten. Besonders hervorzuheben sind die über 18 Punkte, die auf dem MMLU‑Test erzielt wurden, was die Effektivität der datenbasierten Optimierung unterstreicht.

Im Bereich der Reinforcement‑Learning‑Algorithmen übertrifft ASI‑Evolve das aktuelle Standardmodell GRPO deutlich: bis zu 12,5 Punkte auf AMC32, 11,67 Punkte auf AIME24 und 5,04 Punkte auf OlympiadBench. Diese Ergebnisse zeigen, dass KI‑gestützte Entdeckungen nicht nur theoretisch, sondern auch praktisch messbare Fortschritte liefern.

Erste Experimente deuten darauf hin, dass das AI‑für‑AI-Paradigma über die reine KI-Stack-Entwicklung hinausgehen kann. In mathematischen Aufgabenbereichen wurden bereits signifikante Verbesserungen beobachtet, was das Potenzial für interdisziplinäre Anwendungen eröffnet.

ASI‑Evolve demonstriert, dass KI nicht nur als Werkzeug, sondern als aktiver Partner in der Forschung fungieren kann. Die erzielten Fortschritte in Architektur, Daten und Lernalgorithmen legen den Grundstein für eine neue Ära, in der KI ihre eigene Entwicklung selbstständig vorantreibt.