# PORA lässt LLM-Agenten entscheiden, wann sie länger nachdenken

> Die neue PORA-Methode bringt Sprachmodell-Agenten bei, je nach Rechenbudget und erwartetem Nutzen kurz oder ausführlich zu überlegen – und senkt den Rechenaufwand um bis zu die Hälfte.

Oossa · 2026-10-21 · https://oossa.com/de/pora-lets-llm-agents-decide-when-to-think-longer

Forschende unter der Leitung von Qi Zhang haben PORA vorgestellt, eine Methode für LLM-Agenten, die lernen, wann längeres Nachdenken bessere Ergebnisse bringt. Während des Trainings führt das System denselben Schritt zweimal aus – einmal mit einem kurzen und einmal mit einem längeren Limit für die Denkzeit –, um festzustellen, welche Variante zum besseren Endergebnis führt. Zur Laufzeit nutzt eine Steuerung diese erlernte Einschätzung sowie das verbleibende Rechenbudget, um die günstigere Option auszuwählen, ohne beide Varianten auszuführen. Tests zu Gedächtnis, Programmieren, Einzelhandel und Mathematik erzielten bei einem Gedächtnis-Benchmark bis zu 32,9 % höhere Werte und bei Matheaufgaben bis zu 31 % weniger Modellaufrufe.

## Die Fakten

- Die Studie wurde am 2026-10-21 auf arXiv veröffentlicht
- Beim BFCL-Gedächtnis-Benchmark übertrifft PORA den bisherigen Spitzenreiter um 17,4–32,9 Prozentpunkte

## Warum es wichtig ist

Entwickler können damit leistungsfähigere KI-Agenten betreiben, die weniger Cloud-Rechenleistung benötigen und zugleich ihre Leistung beibehalten. Das senkt die Kosten für Dienste, die auf mehrstufiges Schlussfolgern angewiesen sind.

## Quellen und Referenzen

1. [PORA: Learning When More Reasoning Pays Off for LLM Agents](https://arxiv.org/abs/2610.27119) – arXiv, 2026-10-21

Zuletzt aktualisiert: 2026-10-21