KI für Ihr Unternehmen – Jetzt Demo buchen

Bytedance präsentiert DAPO: Ein neues Open-Source-System für Reinforcement Learning in großen Sprachmodellen

Kategorien:
No items found.
Freigegeben:
March 23, 2025

Artikel jetzt als Podcast anhören

Bytedance veröffentlicht DAPO: Ein Open-Source-System für Reinforcement Learning mit großen Sprachmodellen

Die Skalierung von Inferenzprozessen verleiht großen Sprachmodellen (LLMs) eine beispiellose Fähigkeit zum logischen Denken, wobei Reinforcement Learning (RL) die Kerntechnik darstellt, um komplexes Schlussfolgern zu ermöglichen. Während große Fortschritte in diesem Bereich erzielt wurden, bleiben die wichtigsten technischen Details von State-of-the-Art-LLMs für das Reasoning oft im Verborgenen. Dies erschwert die Reproduzierbarkeit der RL-Trainingsergebnisse und behindert den Fortschritt in der Forschungsgemeinschaft.

Vor diesem Hintergrund hat Bytedance Research DAPO (Decoupled Clip and Dynamic sAmpling Policy Optimization) vorgestellt, ein vollständig quelloffenes RL-System für große Sprachmodelle. DAPO erreicht beachtliche 50 Punkte im AIME 2024 Benchmark unter Verwendung des Qwen2.5-32B Basismodells. Im Gegensatz zu früheren Arbeiten, die Trainingsdetails zurückhalten, offenbart Bytedance die vier Schlüsseltechniken ihres Algorithmus, die den Erfolg von RL mit großen Sprachmodellen ermöglichen.

Die vier Schlüsseltechniken von DAPO

DAPO zeichnet sich durch vier innovative Techniken aus, die das Training von LLMs durch Reinforcement Learning optimieren:

1. **Decoupled Clipping:** Diese Technik entkoppelt das Clipping des Gradienten von der Policy-Optimierung, wodurch die Stabilität des Trainings verbessert wird.

2. **Dynamic Sampling:** DAPO verwendet ein dynamisches Sampling-Verfahren, um die Effizienz des Trainings zu steigern und die Exploration des Lösungsraums zu verbessern.

3. **Value Function Decomposition:** Die Zerlegung der Wertfunktion ermöglicht eine genauere Schätzung des zukünftigen Nutzens und beschleunigt den Lernprozess.

4. **Distributed Training:** DAPO unterstützt verteiltes Training, wodurch die Skalierbarkeit auf große Modelle und Datensätze ermöglicht wird.

Open Source für die Forschungsgemeinschaft

Ein entscheidender Aspekt von DAPO ist die vollständige Offenlegung des Trainingscodes, der auf dem Verl-Framework basiert. Zusätzlich stellt Bytedance einen sorgfältig kuratierten und verarbeiteten Datensatz zur Verfügung. Diese Komponenten des Open-Source-Systems sollen die Reproduzierbarkeit der Ergebnisse gewährleisten und zukünftige Forschung im Bereich des RL mit großen Sprachmodellen unterstützen. Die Veröffentlichung von DAPO ist ein wichtiger Schritt in Richtung Transparenz und Zusammenarbeit in der KI-Forschung.

Ausblick und Bedeutung

Die Offenlegung von DAPO durch Bytedance hat das Potenzial, die Forschung im Bereich des Reinforcement Learnings mit großen Sprachmodellen deutlich voranzutreiben. Durch die Transparenz und die Bereitstellung des Codes und der Datensätze können andere Forscher die Ergebnisse reproduzieren, den Algorithmus weiterentwickeln und neue Anwendungen für RL in der Praxis erforschen. DAPO unterstreicht die wachsende Bedeutung von Open-Source-Initiativen in der KI-Community und trägt dazu bei, die Entwicklung und den Zugang zu leistungsstarken KI-Technologien zu demokratisieren.

Bibliographie: - Yu, Q., et al. "DAPO: An Open-Source LLM Reinforcement Learning System at Scale." arXiv preprint arXiv:2503.14476 (2025). - https://dapo-sia.github.io/ - https://dapo-sia.github.io/static/pdf/dapo_paper.pdf - https://www.marktechpost.com/2025/03/17/bytedance-research-releases-dapo-a-fully-open-sourced-llm-reinforcement-learning-system-at-scale/ - https://github.com/BytedTsinghua-SIA/DAPO - https://www.reddit.com/r/machinelearningnews/comments/1jdz2d8/bytedance_research_releases_dapo_a_fully/ - https://www.linkedin.com/posts/asifrazzaq_bytedance-research-releases-dapo-a-fully-activity-7307654684213747713-sy14 - https://www.threads.net/@marktechpost/post/DHV1SMbSW9E - https://app.daily.dev/posts/bytedance-research-releases-dapo-a-fully-open-sourced-llm-reinforcement-learning-system-at-scale-bhmyib13i - https://www.marktechpost.com/2025/02/24/open-reasoner-zero-an-open-source-implementation-of-large-scale-reasoning-oriented-reinforcement-learning-training/ - https://arxiv.org/abs/2502.18449
Was bedeutet das?
Mindverse vs ChatGPT Plus Widget

Warum Mindverse Studio?

Entdecken 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.

🚀 Mindverse Studio

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.

ChatGPT Plus

❌ Kein strukturierter Dokumentenvergleich

❌ Keine Bearbeitung im Dokumentkontext

❌ Keine Integration von Unternehmenswissen

VS

Mindverse Studio

✅ Gezielter Dokumentenvergleich mit Custom-Prompts

✅ Kontextbewusste Textbearbeitung im Editor

✅ Wissensbasierte Analyse & Zusammenfassungen

📚 Nutzen Sie Ihr internes Wissen – intelligent und sicher

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.

ChatGPT Plus

❌ Nur ein Modellanbieter (OpenAI)

❌ Keine Modellauswahl pro Use Case

❌ Keine zentrale Modellsteuerung für Teams

VS

Mindverse Studio

✅ Zugriff auf über 50 verschiedene KI-Modelle

✅ Modellauswahl pro Prompt oder Assistent

✅ Zentrale Steuerung auf Organisationsebene

🧠 Zugang zu allen führenden KI-Modellen – flexibel & anpassbar

OpenAI GPT-4: für kreative Texte und allgemeine Anwendungen
Anthropic Claude: stark in Analyse, Struktur und komplexem Reasoning
Google Gemini: ideal für multimodale Aufgaben (Text, Bild, Code)
Eigene Engines: individuell trainiert auf Ihre Daten und Prozesse

ChatGPT Plus

❌ Keine echte Teamkollaboration

❌ Keine Rechte- oder Rollenverteilung

❌ Keine zentrale Steuerung oder Nachvollziehbarkeit

VS

Mindverse Studio

✅ Teamübergreifende Bearbeitung in Echtzeit

✅ Granulare Rechte- und Freigabeverwaltung

✅ Zentrale Steuerung & Transparenz auf Organisationsebene

👥 Kollaborative KI für Ihr gesamtes Unternehmen

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.

Bereit für den nächsten Schritt?

Sehen Sie Mindverse Studio in Aktion. Buchen Sie eine persönliche 30-minütige Demo.

🎯 Kostenlose Demo buchen

Wie können wir Ihnen heute helfen?

Das Expertenteam von Mindverse freut sich darauf, Ihnen zu helfen.
Herzlichen Dank! Deine Nachricht ist eingegangen!
Oops! Du hast wohl was vergessen, versuche es nochmal.

🚀 Neugierig auf Mindverse Studio?

Lernen Sie in nur 30 Minuten kennen, wie Ihr Team mit KI mehr erreichen kann – live und persönlich.

🚀 Demo jetzt buchen