Vollständiger Vergleich: 72 statt 58 richtige Antworten

Stand: 14. September 2026, 09:50 Uhr Zürich.

Der Antwortvergleich ist vollständig und unabhängig geprüft. Das Modell löst nach der Lernrunde 72 von 252 Aufgaben richtig. Vorher waren es 58. Das sind 14 richtige Antworten mehr: Die Trefferquote steigt von 23,0 auf 28,6 Prozent, um rund 5,6 Prozentpunkte.

Feste Regeln lösen auf demselben Prüfsatz alle 252 Aufgaben. Das Modell zeigt hier weiterhin keinen zusätzlichen Nutzen gegenüber Regeln. 180 Antworten sind falsch. Ein praktisch brauchbarer Spezialist ist noch nicht nachgewiesen.

Alle fünf Antwortgruppen

| Aufgaben | Vorher richtig | Nachher richtig | Geprüft | | --- | ---: | ---: | ---: | | Bekannte Werte | 37 | 33 | 64 | | Neue Auswahl-Aufgaben | 0 | 0 | 32 | | Neue Paarungen bekannter Werte | 11 | 16 | 64 | | Trainierte Auswahl-Aufgaben | 10 | 16 | 64 | | Weitere Abschreib-Aufgaben | 0 | 7 | 28 | | Gesamt | 58 | 72 | 252 |

Es gibt auch einen Rückschritt: Bei bekannten Werten sinkt das Ergebnis von 37 auf 33 richtige Antworten. Der Gewinn ist also nicht gleichmäßig. Er kommt aus den drei zuletzt ergänzten Gruppen, während neue Auswahl-Aufgaben weiter ungelöst bleiben.

Die zuvor unvollständige Gruppe mit 15 von 62 richtigen Antworten ist jetzt vollständig: 16 von 64. Die Werte waren bekannt, ihre Paarungen wurden für diese Lernrunde zurückgehalten. Keine der 16 Paarungen wurde in allen vier Varianten richtig gelöst. Bei den 32 neuen Auswahl-Aufgaben bleibt es bei null richtigen Antworten.

Das geringere Fehlermaß beim Üben und die 14 zusätzlichen richtigen Antworten sind damit belegt. Ein verlässliches Übertragen auf neue Aufgaben ist weiterhin nicht belegt.

Was dieser Lauf gemacht hat

Genau die 94 fehlenden ersten Antworten wurden ergänzt. Die 158 schon vorhandenen Antworten blieben erhalten. Der Lauf brauchte gut acht Minuten und wurde ohne Wiederholung abgeschlossen. Danach wurden die gespeicherten Antworten unabhängig ausgewertet und mit den unveränderten früheren Ergebnissen zusammengeführt. Alle 252 Antworten endeten regulär; keine wurde wegen ihrer Länge abgeschnitten.

Das gespeicherte Modell nach Schritt 3.616 und sein vollständiger Lernzustand blieben unverändert. Es gab kein weiteres Training, keinen neuen Modellstand und keinen Neustart der Grafikeinheit. Die normale Kühlung ist unabhängig bestätigt. Die bestehende Hardwareprüfung wurde weiterverwendet. Der frühere fehlgeschlagene Lauf bleibt dokumentiert; seine private Fehlerursache wurde nicht nachträglich als geklärt ausgegeben.

Über alle 252 kurzen Antworten lag die Grenze für 95 Prozent der Antwortzeiten bei 5,18 Sekunden. Diese Aufgaben sahen höchstens acht neue Textbausteine als Antwort vor. Das ist noch nicht der geforderte Betrieb mit bis zu 512 Textbausteinen als Eingabe und 64 als Antwort auf beiden Mini-Jahrgängen.

Die 11 × 11-Landschaft ist ebenfalls vollständig

Alle 121 echten Messpunkte sind im Schaufenster auswählbar. Die zwölf Kontrollen des Ausgangspunkts stimmen exakt überein. Die Grafik verwendet eine Gruppe mit 16 Übungsaufgaben. Der separate Vorher-nachher-Vergleich verwendet acht Gruppen und zeigt weiterhin das Fehlermaß 6,245 vor dem Lernen und 0,952 danach. Diese beiden Messreihen dürfen nicht direkt anhand ihrer Höhe verglichen werden.

Die Linien und Flächen verbinden gemessene Punkte. Sie sind keine zusätzlichen Messungen. Die frühere Neun-Punkte-Landschaft bleibt als datierter älterer Stand erhalten.

Der nächste sinnvolle Schritt

Das aktuelle Grundmodell soll jetzt dieselben 30 praktischen Python-Aufgaben wie die bereits geprüften Reparaturregeln beantworten. Die Regeln lösen 22 von 30 vollständig. Jede erste Modellantwort zählt und wird unverändert auf ihr Verhalten geprüft. Erst dieser direkte Vergleich zeigt, was das Modell bei kleinen Programmreparaturen kann.

Ein zusätzlich vorbereiteter Vergleich mit acht Antworten eines älteren Modells ist für diesen nächsten Schritt nicht erforderlich. Wir konzentrieren die Arbeit auf das aktuelle Modell und denselben praktischen Aufgabensatz. Alle früheren Ergebnisse bleiben erhalten.

Null von vier Spezialisten sind abgenommen. Die grobe Entwicklungsreife bleibt bei etwa 15 Prozent. Die vollständige Abnahme mit mindestens 300 unbekannten Aufgaben aus 30 unabhängigen Familien je Spezialist sowie alle weiteren Anforderungen bleiben offen.