s3 von UW und Allen AI: Multi-Agenten-Teams lernen ihre eigene Organisation
Forschende der University of Washington und des Allen Institute for AI stellen s3 vor, eine Reinforcement-Learning-Methode, mit der Agenten ohne vorgegebene Rollen lernen, sich abzustimmen.
Forschende der University of Washington und des Allen Institute for AI haben s3 vorgestellt, eine Methode für Multi-Agenten-Reinforcement-Learning. Teams von Agenten lernen dabei, wie sie Arbeit aufteilen und Informationen austauschen, statt einer Struktur zu folgen, die ihre Entwickler vorab festgelegt haben. Laut den Autoren lösen Schwärme, die mit doppelt so vielen Agenten wie im Training evaluiert werden, bei gleichem Trainings- und Inferenzbudget über 25-mal mehr Koordinationsprobleme als die stärkste Baseline. Beschrieben wird die Methode in einem arXiv-Paper, das am 5. November 2026 eingereicht wurde.
s3 setzt bei folgendem Problem an: Multi-Agenten-Systeme erhalten ihre Organisation meist von vorab entworfenen Harnesses, etwa einem Orchestrator, der die Aufgabe zerlegt, oder einem festen Satz an Rollen. Laut dem Abstract des Papers passen sich solche statischen Designs weder an das Verhalten der Agenten noch an die Aufgabenstellung an. Die Zusammenfassung von DAIR.AI ergänzt, dass solche Pläne oft zu doppelter Arbeit führen oder die Agenten mit Updates überfluten. In s3 besteht ein Team aus Kopien eines einzigen Modells, ohne Leitung, ohne Rollen und ohne feste Reihenfolge. Jeder Agent arbeitet an seiner eigenen Kopie der Aufgabe. Er entscheidet selbst, wie lange er allein arbeitet, wann er Teammitgliedern Nachrichten schickt und wann er deren Nachrichten liest.
Im Training erhalten alle Agenten dieselbe Team-Belohnung, und jedem Token, das ein Agent erzeugt, wird der Advantage seines Teams zugewiesen. Da Aktionen zur Lösung der Aufgabe und Kommunikation gemeinsam trainiert werden, kann ein Agent dafür belohnt werden, dass er einem Teammitglied zum Erfolg verhilft. Das Kommunikationsverhalten wird gelernt, nicht vorgeschrieben. Laut Abstract untersuchen die Autoren zwei Szenarien. Das erste ist Koordination, bei der Agenten private Informationen zusammenführen müssen. Das zweite ist parallele Exploration, bei der das Teilen von Entdeckungen die Suche effizienter machen kann.
Im Explorationsszenario reduzieren kommunizierende Agenten laut Abstract wiederholte Arbeit um fast 50 % und übertreffen Best-of-N um bis zu 9,4 Prozentpunkte. Der Faktor 25 stammt aus einem anderen Experiment. Die Zusammenfassungen nennen nicht die absolute Zahl gelöster Probleme, daher lässt sich dieser Faktor nicht an einem Ausgangswert einordnen.
Die Experimente verwenden kleine Qwen3-Modelle mit 0,6 Mrd. und 1,7 Mrd. Parametern. Die Zusammenfassung von DAIR.AI argumentiert, das Ergebnis zeige, dass sich Koordination aus einem gemeinsamen Ziel lernen lässt, statt in einem Harness von Hand entworfen zu werden. Die Aussage des Papers selbst ist enger gefasst: Agenten lernen unterschiedliche Herangehensweisen, lesen die Arbeit der anderen, entwickeln emergente, einander ergänzende Rollen und generalisieren auf größere Teams.
Warum es wichtig ist
Das Ergebnis deutet darauf hin, dass sich die Koordination zwischen Agenten aus einem gemeinsamen Ziel lernen lässt, statt in einem Harness von Hand entworfen zu werden. Die bisherigen Tests verwenden allerdings sehr kleine Modelle.
Originalquelle
Wo wir es gesehen haben
DAIR.AI (Elvis Saravia)
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