Generalist stellt Roboter vor, der Aktionen aus einer einzigen Demonstration lernt
Generalist stellt Roboter vor, der Aktionen aus einer einzigen Demonstration lernt
Das Startup Generalist hat das Modell GEN-1.5 vorgestellt, das in der Lage ist, aus einem einzigen Beispiel ohne nachträgliches Fine-Tuning zu lernen. Diese emergente Eigenschaft könnte die Trainingsmethoden für künstliche Intelligenz grundlegend revolutionieren.
Generalist stellt Roboter vor, der Aktionen aus einer einzigen Demonstration lernt
Es genügt eine einzige Demonstration, um GEN-1.5 anzuzeigen, was zu tun ist; das Modell kann die Aufgabe anschließend sofort und eigenständig im One-Shot-Modus fortsetzen, ohne dass ein Fine-Tuning oder Gewichtsaktualisierungen erforderlich sind.
Die Demonstration wird in den Kontextfenster des Modells eingefügt, ähnlich wie ein Prompt bei großen Sprachmodellen (LLMs). Das Modell behandelt dies als Teil der Sequenz und setzt die Verarbeitung von diesem Punkt aus fort.
Interessanterweise handelt es sich hierbei um eine emergente Eigenschaft. Die Autoren geben explizit an, dass sie keine architektonischen Änderungen für das In-Context-Learning vorgenommen haben; sie fütterten das Modell lediglich mit einer enormen Menge an physischen Erfahrungen (Wohnhäuser, Lagerhallen, Fabriken usw.), woraufhin es begann, die Fähigkeit zu zeigen, aus einem einzelnen Beispiel zu lernen – ähnlich wie GPT-3 in der Vergangenheit.
Darüber hinaus erwähnt der Blogbeitrag, dass das In-Context-Learning manchmal sogar besser funktioniert als 1–5 Schritte des Fine-Tunings auf denselben Daten.
Warum das wichtig ist
AnalyseDiese Technologie eröffnet neue Horizonte für das KI-Lernen, indem sie den Bedarf an der Verarbeitung großer Datenmengen zur Erzielung von Ergebnissen reduziert. Sie könnte die Integration von KI in verschiedenen Branchen erheblich vereinfachen.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
JSON – strukturierte Daten für Anwendungen, APIs und KI-Agenten
Ein umfassender praktischer Leitfaden zum JSON-Format: Syntaxregeln, Serialisierung über parse/stringify, Arbeit mit REST-APIs, JSON Schema und strukturierter Output für künstliche Intelligenz.
DOCX- und XLSX-Formate: Wann ein vollwertiges finales Dokument von KI erforderlich ist
Ein umfassender praktischer Leitfaden zur Generierung und Verarbeitung von DOCX-Dokumenten und XLSX-Tabellen mit KI: Vergleich mit Markdown und CSV, Prompt-Engineering, Arbeit mit Formeln und Automatisierung im Code.
Binance veröffentlicht Untersuchung zum Diebstahl von 6,3 Mrd. US-Dollar
Die Untersuchung verbindet den Diebstahl mit einem manipulierten Homebrew, einem gefälschten Interview und dem Missbrauch eines internen KI-Tools von Binance.
Reddit-Nutzer erklärt, warum Claude-Code-Wochenlimits fast viermal schneller verbraucht werden
Ein Reddit-Nutzer verglich den Token-Verbrauch über zwei Wochen und stellte fest, dass auf jedes 1 % des Wochenlimits von Claude Code deutlich weniger Ausgabe-Tokens entfallen; Subagents, Reasoning-Dauer und UI-Aktualisierungen gelten als mögliche Ursachen.