Große Sprachmodelle (LLMs) haben in den letzten Jahren beeindruckende Fortschritte im Bereich des maschinellen Denkens erzielt. Sie können komplexe Aufgaben lösen, Texte generieren und sogar programmieren. Ein häufiges Problem dieser Modelle ist jedoch ihr ineffizienter Umgang mit Ressourcen, insbesondere die Tendenz zum "Overthinking". Sie verwenden oft übermäßig viele Rechenressourcen und generieren mehr Text, als für die Lösung einer Aufgabe nötig wäre. Das Adaptive Reasoning Model (ARM) adressiert dieses Problem, indem es die Art des Denkens an die Komplexität der Aufgabe anpasst.
ARM wählt adaptiv zwischen verschiedenen Denkmodi, die von einfachen direkten Antworten über kurze und lange Ketten-Denk-Ansätze (Chain-of-Thought, CoT) bis hin zur Codegenerierung reichen. Für einfache Aufgaben wählt ARM einen effizienten Modus wie die direkte Antwort. Für komplexere Aufgaben greift es auf aufwendigere Modi wie Long CoT zurück. Diese Flexibilität ermöglicht es ARM, die Balance zwischen Effektivität und Effizienz zu optimieren.
Die Auswahl des Denkmodus wird durch Ada-GRPO gesteuert, eine Weiterentwicklung des Group Relative Policy Optimization (GRPO) Algorithmus. Ada-GRPO verhindert das sogenannte "Format Collapse"-Problem, bei dem das Modell dazu neigt, nur einen Denkmodus zu verwenden, unabhängig von der Aufgabenstellung. Durch Ada-GRPO lernt ARM, den optimalen Denkmodus für jede Aufgabe zu wählen.
Die adaptive Auswahl des Denkmodus führt zu einer erheblichen Verbesserung der Token-Effizienz. Im Vergleich zu Modellen, die ausschließlich Long CoT verwenden, reduziert ARM die benötigten Tokens im Durchschnitt um 30% und in einigen Fällen sogar um bis zu 70%. Dies beschleunigt nicht nur die Inferenz, sondern auch das Training des Modells, das durch Ada-GRPO um das Doppelte beschleunigt wird.
Neben dem adaptiven Modus bietet ARM zwei weitere Modi:
Im Instruktion-geführten Modus kann der Benutzer den Denkmodus explizit über spezielle Tokens vorgeben. Dies ist nützlich, wenn der optimale Modus für eine bestimmte Aufgabenmenge bekannt ist.
Im Konsens-geführten Modus werden die Ausgaben der drei effizienten Modi (Direkte Antwort, Short CoT, Code) aggregiert. Bei Uneinigkeit wird auf Long CoT zurückgegriffen. Dieser Modus priorisiert die Leistung, akzeptiert aber einen höheren Token-Verbrauch.
ARM stellt einen wichtigen Schritt in Richtung effizienterer und autonomerer KI-Systeme dar. Die Fähigkeit, den Denkprozess an die Aufgabe anzupassen, ist entscheidend für den Einsatz von LLMs in realen Anwendungen. Durch die Reduktion des Ressourcenverbrauchs und die Beschleunigung des Trainings ebnet ARM den Weg für komplexere und leistungsfähigere KI-Modelle der Zukunft. Die Entwicklung von adaptiven Denkmodellen wie ARM ist besonders relevant für Unternehmen wie Mindverse, die sich auf die Entwicklung und Implementierung von KI-Lösungen spezialisiert haben. Die verbesserte Effizienz und Flexibilität von ARM eröffnet neue Möglichkeiten für die Entwicklung maßgeschneiderter KI-Anwendungen, wie Chatbots, Voicebots, KI-Suchmaschinen und Wissenssysteme.
Bibliographie: - https://huggingface.co/papers/2505.20258 - https://chatpaper.com/chatpaper/?id=3&date=1748275200&page=1 - https://arxiv.org/html/2505.11917v1 - https://huggingface.co/papers/2503.23077 - https://github.com/Songwxuan/RSS2025-CVPR2025-ICLR2025-Embodied-AI-Paper-List - https://arxiv.org/html/2505.17312v1 - https://www.marktechpost.com/2025/02/28/this-ai-paper-introduces-agentic-reward-modeling-arm-and-rewardagent-a-hybrid-ai-approach-combining-human-preferences-and-verifiable-correctness-for-reliable-llm-training/ - https://openreview.net/pdf?id=HvoG8SxggZ - https://venturebeat.com/ai/metascale-improves-llm-reasoning-with-adaptive-strategies/ - https://openaccess.thecvf.com/content_CVPR_2019/papers/Xu_Reasoning-RCNN_Unifying_Adaptive_Global_Reasoning_Into_Large-Scale_Object_Detection_CVPR_2019_paper.pdfEntdecken Sie die Vorteile gegenüber ChatGPT Plus
Sie nutzen bereits ChatGPT Plus? Das ist ein guter Anfang! Aber stellen Sie sich vor, Sie hätten Zugang zu allen führenden KI-Modellen weltweit, könnten mit Ihren eigenen Dokumenten arbeiten und nahtlos im Team kollaborieren.
Die professionelle KI-Plattform für Unternehmen – leistungsstärker, flexibler und sicherer als ChatGPT Plus. Mit über 50 Modellen, DSGVO-konformer Infrastruktur und tiefgreifender Integration in Unternehmensprozesse.
❌ Kein strukturierter Dokumentenvergleich
❌ Keine Bearbeitung im Dokumentkontext
❌ Keine Integration von Unternehmenswissen
✅ Gezielter Dokumentenvergleich mit Custom-Prompts
✅ Kontextbewusste Textbearbeitung im Editor
✅ Wissensbasierte Analyse & Zusammenfassungen
Erstellen Sie leistungsstarke Wissensdatenbanken aus Ihren Unternehmensdokumenten.Mindverse Studio verknüpft diese direkt mit der KI – für präzise, kontextbezogene Antworten auf Basis Ihres spezifischen Know-hows.DSGVO-konform, transparent und jederzeit nachvollziehbar.
❌ Nur ein Modellanbieter (OpenAI)
❌ Keine Modellauswahl pro Use Case
❌ Keine zentrale Modellsteuerung für Teams
✅ Zugriff auf über 50 verschiedene KI-Modelle
✅ Modellauswahl pro Prompt oder Assistent
✅ Zentrale Steuerung auf Organisationsebene
❌ Keine echte Teamkollaboration
❌ Keine Rechte- oder Rollenverteilung
❌ Keine zentrale Steuerung oder Nachvollziehbarkeit
✅ Teamübergreifende Bearbeitung in Echtzeit
✅ Granulare Rechte- und Freigabeverwaltung
✅ Zentrale Steuerung & Transparenz auf Organisationsebene
Nutzen Sie Mindverse Studio als zentrale Plattform für abteilungsübergreifende Zusammenarbeit.Teilen Sie Wissen, erstellen Sie gemeinsame Workflows und integrieren Sie KI nahtlos in Ihre täglichen Prozesse – sicher, skalierbar und effizient.Mit granularen Rechten, transparenter Nachvollziehbarkeit und Echtzeit-Kollaboration.
Sehen Sie Mindverse Studio in Aktion. Buchen Sie eine persönliche 30-minütige Demo.
🎯 Kostenlose Demo buchenLernen Sie in nur 30 Minuten kennen, wie Ihr Team mit KI mehr erreichen kann – live und persönlich.
🚀 Demo jetzt buchen