Python-Antworttest angehalten: 16 Antworten erhalten

Alle 144 Python-Lernschritte sind in sechs vollständigen Modellständen gesichert. Beim anschließenden Antworttest wurden 16 Antworten gespeichert. Dann war die Messaufzeichnung mit 75.000 Einträgen voll; die 17. Aufgabe wurde unterbrochen. 13 Aufgaben wurden noch nicht begonnen. Modell und gespeicherte Antworten sind unabhängig geprüft und erhalten. Die noch offenen Aufgaben werden in vier kleineren Gruppen beantwortet. Erst danach folgen die Verhaltenstests. Eine Verbesserung der Python-Reparaturen ist noch nicht nachgewiesen. Vor dem Lernen löste das Modell 0/30, feste Regeln 22/30.

Die ursprüngliche Messaufzeichnung stoppte nach 75.000 aufgezeichneten Rechenaufrufen. Alle 16 vollständigen Antworten, die unveränderten Modellgewichte und die normale Kühlung sind unabhängig geprüft. Kein GPU-Neustart. Aufgabe 17 bleibt als unterbrochener erster Versuch dokumentiert; die 13 noch nicht begonnenen Aufgaben folgen in Gruppen mit 4/4/4/1 Aufgaben. Noch keine neue Quote richtiger Reparaturen.

Die Begrenzung war für längere Antworten zu knapp angesetzt. Sie stoppte vor dem nächsten GPU-Aufruf; die Grenze wird im bisherigen Versuch nicht nachträglich verändert. Die Fortsetzung verwendet dieselben Aufgaben, denselben Modellstand und dieselben Bewertungsregeln. Bereits bearbeitete Aufgaben werden nicht erneut beantwortet.

Einige neue Antworten waren deutlich länger als vor dem Lernen. Drei der ersten 16 erreichten die Grenze von 64 Textbausteinen und brauchten rund 138–140 Sekunden. Das sind echte Abbrüche; sie zählen nicht als richtige Reparaturen. Eine vollständige Laufzeitauswertung steht aus. Vor dem Lernen lag die Grenze für 95 Prozent der 30 Antwortzeiten bei 8,06 Sekunden, bei 0/30 passenden Lösungen.

Die 13 noch nicht begonnenen Aufgaben in vier kleinen Gruppen beantworten. Die 16 vorhandenen Antworten behalten; die unterbrochene 17. Aufgabe als Abbruch mitzählen. Anschließend alle 30 Fälle gemeinsam auswerten. Das Entwicklungsziel bleibt 30/30 richtige erste Antworten.

Das Gesamtziel bleibt bei null von vier abgenommenen Spezialisten. Die grobe Einschätzung von 15 Prozent steigt durch diesen Fehlerabschluss nicht. Lea recherchiert BitNet parallel; dieser Python-Versuch verwendet weiterhin den bestehenden Trainer.

Belegstand: 15. September 2026, 08:57 Uhr Zürich.