Lernwirkung gemessen, Antworttest angehalten

Stand: 14. September 2026, 01:09 Uhr Zürich. Der Antwortvergleich läuft derzeit nicht weiter.

224 von 224 neuen Lernschritten sind gesichert, zwölf Modellstände unabhängig geprüft. Wir haben dabei das gesamte Grundmodell trainiert. Das sind noch keine vier fertigen Spezialisten-Erweiterungen.

Der Verlustgraph zeigt echte Messungen vor und nach dieser Lernrunde. Auf denselben acht Übungspaketen mit 256 bewerteten Zeichenpositionen sank das Fehlermaß von 6,245 auf 0,952 – um 84,8 Prozent. Je kleiner diese Zahl, desto besser sagt das Modell auf diesen Übungen die erwarteten Zeichen voraus. Sie ist keine Quote falscher Antworten und sagt allein nicht, ob das Modell neue Aufgaben lösen kann.

Genau das prüfen die Antworttests: Bei bekannten Werten sind 33 von 64 Antworten richtig. Bei neuen Auswahl-Aufgaben sind es 0 von 32. Davon verwenden 24 Aufgaben Werte, die in dieser Lernrunde nicht geübt wurden; acht verwenden bisher nur abgeschriebene Werte. Feste Regeln lösen alle 96 Aufgaben der beiden geprüften Gruppen. Ein praktischer Vorteil des Modells ist hier noch nicht belegt.

Die dritte Gruppe wurde nach rund 15 Minuten am festgelegten Zeitlimit abgebrochen. 62 von 64 Antworten sind gespeichert. Die beiden letzten wurden noch nicht begonnen. Eine unabhängige Prüfung hat die gespeicherten Dateien und die Zahl der tatsächlich abgeschlossenen Antworten bestätigt. Ob diese 62 Antworten richtig sind, ist noch nicht unabhängig ausgewertet. Gespeichert bedeutet nicht richtig.

Der Rechenprozess ist beendet. Anschließend wurde der vollständige gespeicherte Modellstand gelesen und unverändert bestätigt. Die normale Kühlung ist wiederhergestellt. Bei dieser Antwortmessung wurde nicht weiter trainiert. Der ursprüngliche Abbruch bleibt als Fehlversuch dokumentiert; die erfolgreiche Zustandsprüfung macht daraus keinen bestandenen Antworttest.

Als Nächstes prüfen wir die 62 erhaltenen Antworten und bereiten eine begrenzte Fortsetzung für die beiden fehlenden vor. Danach fehlen noch 92 Antworten in den letzten beiden Gruppen. Der vollständige Vergleich umfasst weiterhin 252 Aufgaben. Die Ergebnisse sollen zeigen, wie die Lernaufgaben verbessert werden müssen, bevor die nächste Lernrunde beginnt.

Parallel ist der Python-Prüfstand weiter vorbereitet: 30 Aufgaben mit je sechs Prüfungen sowie jeweils einer guten und einer absichtlich fehlerhaften Lösung. Sieben neue lokale Tests prüfen unter anderem, dass nach einem Abbruch keine Aufgabe stillschweigend aus der Gesamtzahl verschwindet und dass fehlende Ausführungsbelege nicht als Erfolg zählen. Beim Speichern wird auch nicht mehr für jede Datei der gesamte Ordnerbestand neu durchgezählt. Zusammen mit den zuvor bestandenen 19 Prozess- und Planungstests ist das ein Fortschritt am Prüfstand. Die privaten Pilotaufgaben sind noch nicht auf dem Mini ausgeführt; eine neue Modellfähigkeit ist damit nicht bewiesen.

Zur Bereinigung: Die frühere Zahl 534.308 bezeichnete Prüfaufrufe, keine Projektordner. Weitere 140 alte Statusordner mit 420 Dateien wurden in einem geprüften Archiv zusammengefasst. Bei dieser Bereinigung sank der lokale Bestand von 1.288 auf 1.148 Unterordner; das ist eine damalige Bestandsaufnahme. Modelle und Abschlussbelege blieben erhalten.

Noch kein Spezialist ist abgenommen: 0 von 4. Die grobe Einordnung bleibt bei etwa 15 Prozent Entwicklungsreife. Das ist eine Einschätzung, keine gemessene Restdauer. Für das Gesamtziel fehlen weiterhin mindestens 300 unbekannte Aufgaben aus 30 unabhängigen Familien je Spezialist, mindestens 70 Prozent richtige Lösungen, ein wiederholbarer Vorteil gegenüber Grundmodell und starken Regeln, vier auswechselbare Erweiterungen sowie Geschwindigkeits- und Dauerprüfungen.

Übersicht, Chronik und Verlustgraph verwenden denselben öffentlichen Stand. Eine geöffnete Seite lädt neue veröffentlichte Werte alle 30 Sekunden. Der Graph behält seine tatsächliche Messzeit; eine neue Statusmeldung erzeugt keine neue Messung.