Das KI-Vokabular · 01 Das Modell

Was ist RLVR?

Reinforcement Learning mit überprüfbaren Belohnungen: Ein Programm prüft, ob die Antwort des Modells stimmt, und belohnt nur Antworten, die den Test bestehen.

Profi

Bei RLVR bewertet ein Programm die Antwort: Es prüft, ob ein Rechenergebnis stimmt oder ob Code seine Tests besteht. Das Modell lernt dann per Reinforcement Learning, Antworten zu liefern, die diese Prüfung bestehen. Den Namen gab dem Verfahren 2024 das Allen Institute for AI.

Andrej Karpathy beschreibt RLVR als die große neue Trainingsstufe des Jahres 2025. Sie brachte viel Fähigkeit pro Dollar und zog Rechenleistung vom Vortraining ab. Sie ist eine Hauptzutat von Reasoning-Modellen.

Warum es für dich wichtig ist

RLVR erklärt, warum Modelle in Mathematik und Programmieren am schnellsten besser wurden: Dort lassen sich Antworten automatisch prüfen. Es erklärt auch ungleiche Fähigkeiten, denn Aufgaben ohne klare richtige Antwort profitieren weniger.

Own it

Hat deine Aufgabe prüfbare Antworten, etwa Datenextraktion in festem Format oder Code mit Tests, sind aktuelle Modelle dort wahrscheinlich stark. Für Aufgaben mit Ermessen baust du eigene Evals mit menschlicher Prüfung.

Verwandt