Verstärkendes Lernen

Mistral AI hat die neueste Version seines terminalbasierten Coding-Agenten, Vibe 2.0, vorgestellt, der auf dem Devstral 2 Modell basiert. Diese aktualisierte Version ermöglicht Entwicklern, Code durch natürliche Sprache zu steuern und mehrere Dateien gleichzeitig zu verwalten, während sie den gesamten Codekontext nutzen. Zu den neuen Funktionen gehören maßgeschneiderte Subagenten für spezifische Aufgaben wie Tests und Code-Reviews sowie die Fähigkeit, bei unklaren Anweisungen klärende Fragen zu stellen. Zudem wurden Slash-Befehle für vorkonfigurierte Arbeitsabläufe eingeführt. Mistral Vibe ist über verschiedene Abonnements erhältlich, während der Zugang zur kostenpflichtigen Devstral 2 API eine kostenlose Testversion im Experiment-Plan bietet. Für Unternehmen stehen zusätzliche Dienstleistungen wie Feinabstimmung, verstärkendes Lernen und Code-Modernisierung zur Verfügung.

Startorus Fusion, ein chinesisches Startup, setzt künstliche Intelligenz ein, um die Effizienz von Fusionsreaktoren zu steigern. In Zusammenarbeit mit der Tsinghua-Universität wurde der kompakte sphärische Tokamak SUNIST-2 entwickelt, der sich auf magnetischen Einschluss und Plasmaphysik konzentriert. Anstatt hochtemperaturplasma lange zu halten, ermöglicht ein innovatives Konzept dem Plasma, Wärme abzuleiten, bevor es erneut gezündet wird. Zur Erhöhung der Sicherheit plant das Unternehmen, manuelle Inspektionen durch Echtzeitsensoren zu ersetzen, die kritische Systeme überwachen. Zudem werden intelligente Anomalieerkennungssysteme eingesetzt, um Probleme im Stromversorgungssystem frühzeitig zu identifizieren. Durch datengestütztes Modellieren und verstärkendes Lernen optimiert Startorus die Plasma-Kontrollstrategien und minimiert manuelle Anpassungen. Ein einheitlicher Ansatz zur Vorhersage des Plasma-Gleichgewichts reduziert redundante Berechnungen und verbessert die Reaktionsfähigkeit. Diese technologischen Fortschritte bringen Startorus Fusion dem Ziel näher, die kommerzielle Nutzung der Kernfusion zu realisieren.

DeepSeek Math V2 ist ein innovatives, open-source KI-Modell, das speziell für mathematische Argumentation und Theorembeweise entwickelt wurde. Es nutzt ein Generator-Verifier-System, bei dem ein Modell Beweise erstellt und ein zweites Modell diese auf ihre Richtigkeit überprüft, was zu präzisen und nachvollziehbaren Lösungen führt. Durch verstärkendes Lernen wird das Modell für korrekte Antworten sowie für klare Ableitungen belohnt, was seine Leistung in Mathematikwettbewerben signifikant verbessert. DeepSeek Math V2 hat herausragende Ergebnisse erzielt, darunter 83,3 % bei der IMO 2025 und 98,3 % beim Putnam 2024, und übertrifft damit frühere Modelle. Die Architektur ermöglicht eine kontinuierliche Verbesserung, da der Verifier dem Generator ständig neue Herausforderungen bietet. Ein Multi-Pass-Inferenzprozess generiert und bewertet verschiedene Beweisentwürfe, bis der Verifier zufrieden ist. Diese Kombination aus Generierung und Echtzeitüberprüfung stellt sicher, dass jede Antwort klar und nachvollziehbar ist, was einen bedeutenden Fortschritt in der mathematischen KI darstellt. DeepSeek Math V2 ist somit nicht nur ein leistungsstarkes Werkzeug für mathematische Aufgaben, sondern fördert auch die formale Verifikation von Beweisen.