Ein Python-Zusatzmodul hat vier Aufgaben geübt

Auf Node8 wurde ein kleines Zusatzmodul, ein LoRA-Adapter, mit 16 Lernschritten trainiert. Vier vorhandene Übungsaufgaben wurden je viermal verwendet. Das eigene Grundmodell mit 8,52 Millionen Parametern blieb dabei unverändert. Es wurden keine Vergleichslösungen aus den 30 Entwicklungsaufgaben zum Lernen übernommen.

Anschließend hat das Modell mit dem gespeicherten Zusatzmodul dieselben vier Übungsaufgaben frei beantwortet. Vorher wurden 0/4 Lernlösungen vollständig wiedergegeben, danach 0/4. Vorher waren 0/4 Antworten syntaktisch gültige einzelne Return-Anweisungen, danach 0/4. Gültige Syntax allein belegt noch kein richtiges Programmverhalten. Diese vier Fälle waren geübt; das Ergebnis ist kein Nachweis für unbekannte Aufgaben.

Das mittlere Fehlermaß über die ersten vier Lernschritte beträgt 2,468, über die letzten vier 1,725. Beide Gruppen enthalten dieselben vier Aufgaben. Die Kurve zeigt alle 16 tatsächlichen Einzelwerte vor der jeweiligen Gewichtsänderung, ohne Glättung. Die Werte wurden unabhängig aus den gespeicherten GPU-Ausgaben nachgerechnet. Ein kleineres Fehlermaß beim Üben allein genügt weiterhin nicht als Nutzennachweis.

Der erste Start endete an einer zu engen Dimensionsprüfung, bevor ein Lernschritt abgeschlossen war. Für die Korrektur wurden genau drei zusätzliche Matrixformen zugelassen. Vor dem Lernen wurden alle 187.904 Ausgabewerte dieser Formen auf der GPU gegen eine Rechenreferenz geprüft; sie stimmen exakt überein. Die bisherigen Rechen-, Temperatur- und Zeitgrenzen blieben bestehen. Der fehlgeschlagene Start bleibt dokumentiert.

Das Zusatzmodul enthält 315,392 trainierbare Werte und ist einschließlich seiner Beschreibung 1,263,300 Bytes groß. Es wurde gespeichert, für die Antwortprüfung neu geladen und mit seinem vollständigen Optimizer-Zustand gesichert. Der Prozess ist beendet, normale Kühlung ist bestätigt und es gab keinen GPU-Neustart.

Eine vorherige Prüfung auf Node8 hatte den Vorwärtspfad des Trainers an vier konkreten Fehlerstellen mit der Ausgabe verglichen: alle 8.192 Vorhersagewerte je Stelle waren identisch. Damit erklärt auch dieser Übergang die vier Fehler nicht. Das ist eine begrenzte Diagnose, kein allgemeiner Beweis für fehlerfreie Software.

Der vollständige separate Python-Entwicklungsvergleich bleibt bei 0/30 richtigen ersten Antworten gegenüber 22/30 mit festen Regeln. Das Zusatzmodul wurde noch nicht auf diesen 30 Aufgaben bewertet. Keine der vier Spezialistenabnahmen ist erreicht; die grobe redaktionelle Einordnung bleibt bei 15 Prozent. Die automatische Auswahl und Verteilung von Lernvarianten nach dem Ant-Colony-Ansatz ist weiterhin offen. Die vorhandene Model-OS-Verteilung betrifft andere GPU-Arbeitsaufträge und ist noch nicht mit diesem Trainingsablauf verbunden.

Als Nächstes werden Lernvarianten auf derselben Basis mit gleichen Aufgaben und ausgewiesenen Rechenbudgets verglichen. Eine Verbesserung muss anschließend auch auf den getrennten 30 Entwicklungsaufgaben bestehen. Für die endgültige Abnahme bleiben 300 unbekannte Fälle aus 30 unabhängigen Familien je Spezialist erforderlich.

Belegstand: 15. September 2026, 18:32 Uhr Zürich.