Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind12. Mai 2022 · Q002287

A Generalist Agent

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt Gato als ein gemeinsames Modell vor, das mit denselben Gewichten Aufgaben wie Bildbeschreibung, Dialog, Atari-Spiele und Robotersteuerung bewältigen soll. Es verarbeitet unterschiedliche Daten als Tokenfolgen und erzeugt im fortlaufenden Austausch mit der Umgebung schrittweise Aktionen. Konkrete Messwerte und Versuchsbedingungen fehlen im Text, sodass die Zuverlässigkeit der gezeigten Fähigkeiten offenbleibt.

Mittel

Der Bericht beschreibt Gato als einen allgemeinen Agenten, der mit denselben Modellgewichten sehr unterschiedliche Aufgaben erledigen soll: etwa Atari spielen, Bilder beschreiben, Dialoge führen und einen Roboterarm steuern. DeepMind bezeichnet das System als multimodal und für verschiedene Aufgaben sowie Verkörperungen ausgelegt.

Für das Training werden Daten aus unterschiedlichen Modalitäten und Aufgaben zu Tokenfolgen zusammengeführt und von einem Transformer verarbeitet. Die Daten umfassen laut Beitrag Erfahrungen aus simulierten und realen Umgebungen sowie Sprach- und Bildmaterial. Im Einsatz erhält Gato optional einen Prompt und anschließend fortlaufend Beobachtungen der Umgebung. Es erzeugt Aktionen Token für Token; nach der Ausführung wird die nächste Beobachtung angefügt. Das Kontextfenster enthält vorherige Aktionen und Beobachtungen und umfasst 1024 Tokens.

Abbildungen zeigen Beispiele für Bildbeschreibung, Dialog und Robotersteuerung sowie eine Leistungsübersicht. Der Text nennt jedoch keine konkreten Messwerte, Versuchsbedingungen oder Modellvergleiche. Die dargestellten Beispiele reichen daher nicht aus, um Zuverlässigkeit oder Übertragbarkeit auf andere Umgebungen zu beurteilen.

Ausführlich lesen

Der Bericht stellt Gato als einen allgemeinen Agenten vor, der nach dem Vorbild großskaliger Sprachmodelle über reine Textausgaben hinausgehen soll. DeepMind beschreibt Gato als multimodale, multitaskingfähige und für verschiedene Verkörperungen ausgelegte Policy. Laut Bericht kann dasselbe Netz mit denselben Gewichten unter anderem Atari spielen, Bilder beschreiben, Dialoge führen und einen realen Roboterarm steuern. Je nach Kontext gibt es dafür etwa Text, Gelenkdrehmomente oder Tastendrücke aus.

Beim Training werden Daten aus unterschiedlichen Aufgaben und Modalitäten in Tokenfolgen umgewandelt, gebündelt und von einem Transformer verarbeitet. Der Bericht sagt, dass die Trainingsdaten Erfahrungen aus simulierten und realen Umgebungen sowie Sprach- und Bilddatensätze umfassen. Die Verlustfunktion ist so maskiert, dass das Modell nur Aktions- und Textziele vorhersagt.

Für den Einsatz wird zunächst optional ein Prompt, etwa eine Demonstration, tokenisiert. Danach werden die Beobachtungen der Umgebung an die bisherige Sequenz angefügt. Gato erzeugt die Tokens einer Aktion schrittweise und autoregressiv. Sobald der Aktionsvektor vollständig ist, wird er dekodiert und an die Umgebung gesendet. Diese liefert eine neue Beobachtung, und der Ablauf wiederholt sich. Im Kontextfenster berücksichtigt das Modell laut Bericht die vorangegangenen Beobachtungen und Aktionen; dieses Fenster umfasst 1024 Tokens.

Als Beispiele für die Fähigkeiten des vortrainierten Modells nennt der Beitrag Bildbeschreibung, interaktiven Dialog und die Steuerung eines Roboterarms. Abbildungen veranschaulichen außerdem verschiedene Aufgabenbereiche und eine Leistungsdarstellung nach Domäne und relativ zum Expertenwert. Der Text liefert dazu jedoch keine konkreten Zahlen, detaillierte Versuchsbedingungen oder einen Vergleich mit anderen Modellen. Die gezeigten Beispiele und die allgemeine Leistungsbeschreibung belegen daher im vorliegenden Beitrag nicht, wie zuverlässig Gato in den einzelnen Aufgaben ist oder wie gut es außerhalb der beschriebenen Datensätze und Umgebungen funktioniert. Die zentrale Aussage des Berichts ist der Versuch, viele unterschiedliche Aufgaben durch ein gemeinsames Modell und ein einheitliches tokenbasiertes Verfahren abzudecken.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassungen von Luna geben den Bericht im Kern treu wieder und erfinden keine Fakten. Sie lassen aber Trainingsdetails wie Kontextfenster und Verlustmaskierung aus. Keine der Fragen wird im Bericht direkt beantwortet, weshalb alle Einordnungen niedrig ausfallen.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Kontextfenster von 1024 Tokens fehlt in der kurzen Zusammenfassung
  • Die Maskierung des Verlusts auf Aktions- und Textziele fehlt
  • Die Leistungsübersicht als Anteil am Expertenwert fehlt in der kurzen Zusammenfassung
  • Der Multi-Embodiment-Charakter (Gato steuert verschiedene Körper bzw. Umgebungen) fehlt in der kurzen Zusammenfassung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 39 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 74 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %gleiches Oberthema, hilft nicht

  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 37 %beantwortet teilweise oder widerspricht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →