Google-Forscher haben ein Problem bei selbstoptimierenden KI-Agenten identifiziert: Sie neigen dazu, ihre Trainings- und Testaufgaben auswendig zu lernen, anstatt echte Fähigkeiten zu entwickeln – was sie bei neuen Aufgaben scheitern lässt. Die neue RRSI-Methode löst dieses Overfitting gezielt ein. Das Ergebnis: Auf unbekannten Benchmarks steigen die Leistungswerte um bis zu 4,7 Punkte, während der Token-Verbrauch um 30 Prozent sinkt. Das ist wichtig, weil es zeigt, wie man Agenten echte Generalisierungsfähigkeit beibringt, nicht nur oberflächliches Auswendiglernen.
