AI News
Alle Meldungen
Offiziell

Forschende veröffentlichen RSI-Dojo: Umgebungen, in denen Agenten Post-Training lernen

RSI-Dojo ist eine Sammlung ausführbarer Umgebungen, die aus publizierter Forschung entstanden sind. Qwen-Modelle, die auf ihren Trajektorien feinjustiert wurden, legen auf PostTrainBench um 8,74 bzw. 16,87 Punkte zu.

Forschung · · 2 Min. Lesezeit

Forschende der CUHK, von ByteDance, der Tsinghua University und der Shanghai Jiao Tong University haben RSI-Dojo veröffentlicht, eine Sammlung ausführbarer Umgebungen. Sie sollen LLM-Agenten beibringen, das Post-Training von Modellen selbst durchzuführen. Laut den Autoren verbessern sich Qwen3.5-9B und Qwen3.6-35B-A3B nach einem Fine-Tuning auf Trajektorien aus diesen Umgebungen um 8,74 bzw. 16,87 PostTrainBench-Punkte gegenüber ihren Basismodellen. Das größere feinjustierte Modell, RSI-Dojo-35B-A3B, erreicht 29,95 auf PostTrainBench und 53,29 auf PostTrainBench-Lite. Damit liege es nach Angaben der Autoren gleichauf mit Frontier-Modellen wie GLM-5.2 und GPT 5.5.

Ausgangspunkt der Autoren: Die meisten Arbeiten zum automatisierten Modelltraining zielten bisher auf Workflows oder Harnesses rund um das Modell. Die Fähigkeit des Modells selbst, Post-Training durchzuführen, stand nicht im Fokus. Um diese Fähigkeit zu vermitteln, brauche es ausführbare Trainingsumgebungen. Sie liefern Trajektorien, die zeigen, wie man Daten auswählt, Modelle trainiert, Fehler diagnostiziert und iteriert. Genau diese Umgebungen soll RSI-Dojo bereitstellen. Die Aufgaben stammen aus RSI-Craft, einer Pipeline. Sie sammelt Forschungsarbeiten von führenden Konferenzen, stellt deren Datensätze und Metriken über eine einheitliche Schnittstelle bereit und reproduziert ihre Evaluationsabhängigkeiten. Anschließend werden die Aufgaben nach Datenumfang, Ausführungszuverlässigkeit und Trennschärfe gefiltert, also der Fähigkeit, starke von schwachen Agenten zu unterscheiden. Übrig bleiben 281 Ausgangsaufgaben aus den Bereichen Mathematik, Schreiben, Code, Medizin, Wissen und Reasoning.

Die Trainingsdaten stammen von Frontier-Modellen, die diese Aufgaben mit einem verbesserten Harness bearbeiten. Die Autoren behalten nur Trajektorien, die sowohl rubrikbasierte als auch ergebnisbasierte Filter passieren.

Der Vergleich mit GLM-5.2 und GPT 5.5 verlangt eine genaue Lektüre. Die Autoren sagen, RSI-Dojo-35B-A3B liege gleichauf mit diesen Modellen, und auch das Abstract des Papers spricht von „matching“. Die Zusammenfassung des Papers durch DAIR.AI formuliert „similar to“. Beide beziehen sich auf dieselben Zahlen, der Unterschied liegt also in der Wortwahl, nicht in den Daten. Die DAIR.AI-Zusammenfassung weist außerdem auf den Rahmen hin: Die Aufgaben folgen dem Stil von PostTrainBench, Forschungsszenarien mit längerem Zeithorizont bleiben künftiger Arbeit vorbehalten.

Die Autoren sehen ihre Arbeit als Schritt in Richtung rekursiver Selbstverbesserung, also der Idee, dass KI-Systeme KI-Systeme bauen und verbessern können. Ein solches System brauche Agenten, die Modelle trainieren können. Diese Fähigkeit lasse sich in den Gewichten eines mittelgroßen offenen Modells verankern, nicht nur im umgebenden Scaffolding. Zudem biete die Methode eine wiederholbare Quelle neuer Trainingsaufgaben, weil sich publizierte Forschung in Umgebungen umwandeln lässt.

Was sich ändert

Art: Neue Funktion · Betrifft: Qwen3.5-9B, Qwen3.6-35B-A3B, RSI-Dojo-35B-A3B

Warum es wichtig ist

Die Arbeit verlagert die Fähigkeit, Modelle zu trainieren, in die Gewichte eines mittelgroßen offenen Modells. Die Umwandlung von Forschung in Umgebungen liefert eine wiederholbare Quelle für Trainingsaufgaben.

Originalquelle

Wo wir es gesehen haben

1 Quelle

DAIR.AI (Elvis Saravia)

ByteDanceCUHKShanghai Jiao Tong UniversityTsinghua University

KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es