RSI (Reinforcement from Self-Instruction oder ähnliche Self-Play-Ansätze) ist ein Post-Training-Verfahren, das bei der Optimierung von Large Language Models bereits zum Einsatz kommt. Der Artikel gibt Einblick in die konkrete Implementierung dieser Trainingsschleife, die iterativ das Modellverhalten durch eigene Generationen verbessert. Das ist relevant, weil es zeigt, wie Frontier-Labs wie OpenAI, DeepSeek und andere ihre Modelle nach dem initialen Training weiter verfeinern – ein entscheidender Faktor für State-of-the-Art-Performance, der lange unter dem Radar der breiten Öffentlichkeit lief.
