Forschung · Forschung
EvoLab
Nachbau der Bauform hinter FunSearch und AlphaEvolve — ein Sprachmodell als Mutations-Operator, ein harter Bewerter als Auslese. Lokal, ohne API-Schlüssel.
Die Behauptung „neun KI-Agenten optimieren sich selbst“ ließ sich nicht belegen. Also haben wir die belegte Bauform nachgebaut: ein Sprachmodell schlägt Programmvarianten vor, ein deterministischer Bewerter entscheidet, was überlebt. Das Ergebnis ist ehrlicher als die Behauptung.
Das Problem
Um selbstverbessernde Systeme ranken sich Zahlen, die niemand nachrechnen kann. Wir wollten wissen, welcher Baustein die Arbeit macht — und stellten fest: nicht der Agenten-Schwarm, sondern der Bewerter, den der Kandidat nicht austricksen kann.
Wie es funktioniert
- 01 Mehrere Teilpopulationen von Programmkandidaten mit gelegentlichem Austausch, damit die Suche nicht zu früh auf einer Lösung festfriert.
- 02 Das lokale Modell sieht zwei nach Güte sortierte Vorgänger und soll eine bessere dritte Fassung schreiben — es sieht eine Richtung, nicht nur ein Beispiel.
- 03 Der Bewerter ist deterministisch, läuft in einem eigenen Prozess mit Zeitlimit und ist vom Kandidaten nicht beeinflussbar.
- 04 Aufgabe: eine bekannte Packproblem-Heuristik schlagen. Positiver Wert heißt: besser als die Referenz.
- 05 Eigene Aufgaben durch Austausch nur des Bewerters.
Souveränität & Nachweis
- Läuft komplett lokal über Ollama auf einem einzelnen Rechner. Kein Cloud-Dienst, kein API-Schlüssel, keine Datenabgabe.
Die ehrliche Einordnung
Ein lokaler Lauf auf einem Schreibtischrechner spielt nicht in der Liga von DeepMind. Das war auch nicht das Ziel. Das Ziel war zu verstehen, welcher Baustein die Arbeit macht. Antwort: der Bewerter. Alles andere — Anzahl der Agenten, Größe des Modells — ist zweitrangig, solange die Auslese hart ist.
Was daraus wird
Nichts Verkäufliches. Aber eine Regel, die in jedem Kundenprojekt gilt: Wer KI-Agenten baut, baut zuerst den Maßstab, an dem sie gemessen werden.
Häufige Fragen
- Hat EvoLab etwas Neues entdeckt?
- Nein. Belegt sind zwei kurze Läufe mit einer gefundenen Verbesserung gegenüber einer bekannten Heuristik. Das ist ein funktionierender Aufbau, kein Forschungsergebnis. Die bekannten Ergebnisse von FunSearch und AlphaEvolve stammen von DeepMind, nicht von uns.
- Was hat das mit Kundenprojekten zu tun?
- Die Lehre daraus prägt jedes unserer Systeme: Erst den Bewerter bauen, dann Agenten. Ein Agent ohne harten Maßstab optimiert ins Leere.
Ein vergleichbares Vorhaben auf dem Tisch?
Schicken Sie uns drei Sätze. Wir antworten innerhalb eines Werktags mit einer ehrlichen Einschätzung — auch dann, wenn wir nicht der richtige Partner sind.