Forschende stellen Self-Assessment Reinforcement Learning (SARL) vor, eine Trainingsmethode für Sprachmodelle, die vor dem Antworten nach Informationen suchen. Die Modelle lernen dabei festzuhalten, was sie bereits herausgefunden haben und was noch fehlt. So sollen fehlerhafte Schlussfolgerungen und zu früh abgebrochene Suchen seltener werden.
Die Autorinnen und Autoren berichten von einer relativen Verbesserung um 24.3% gegenüber ihrer stärksten Baseline. Bei Benchmarks für mehrstufiges Schlussfolgern lag der durchschnittliche Zuwachs bei 35.9%, bei Benchmarks für Deep Research bei 27.9% – jeweils gegenüber den stärksten Baselines für diese Aufgaben. SARL benötige beim Antworten keine zusätzliche Bewertung, heißt es. Im Abstract der Arbeit werden die getesteten Modelle jedoch nicht genannt; außerdem fehlen genügend Details, um beurteilen zu können, wie gut sich die Ergebnisse auf eingesetzte Suchtools übertragen lassen.
Warum es wichtig ist
Für Teams, die Rechercheassistenten entwickeln, deutet SARL darauf hin, dass sich das Nachverfolgen des Suchstands im Training vermitteln lässt, statt es bei der Nutzung als separaten Schritt hinzuzufügen. Das Abstract belegt jedoch nicht, ob die Methode auch Produkten in der Praxis hilft.
