Google Research stellte WikiSkill vor — ein Rahmenwerk mit einer permanenten Wissensbasis für KI-Agenten. In dieser Struktur speichern Agenten Informationen über frühere Misserfolge und Erfolge, anstatt jeden neuen Start ohne angesammelte Erfahrungen zu beginnen.
Laut Beschreibung von The Decoder verwenden die Agenten diese Aufzeichnungen, um mit der Zeit ihre Leistung zu verbessern. Größere Modelle profitieren von WikiSkill stärker, während kleinere Modelle mit diesem System bei den Ergebnissen mit größeren Modellen ohne WikiSkill vergleichbar sein können.
Praktischer Wert der Idee liegt im Transfer von Erfahrungen zwischen Einsätzen, nicht nur in der einmaligen Aufgabenerfüllung. Dabei wird der Quelle als unabhängige Wiedergabe mit Metadaten dargestellt, daher enthält das Material keine Details zu Tests, Messungen und Beschränkungen von WikiSkill.
redaktioneller Kommentar
Warum es wichtig ist
Wahrscheinliche Folge — verstärktes Interesse an Systemen, die Erfahrungen zwischen Starts übertragen und kleineren Modellen helfen, effizienter zu arbeiten. Als nächstes beobachtbares Zeichen wird das Erscheinen erster Ergebnisse mit Beschreibung von Tests und Messungen gesehen. Eine wesentliche Unsicherheit besteht darin, inwieweit der behauptete Effekt außerhalb der im kurzen Überblick beschriebenen Bedingungen anhält.