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
openai4. September 2020 · Q008306

Learning to summarize with human feedback

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt ein Verfahren, bei dem menschliche Vergleiche als Bewertungsgrundlage dienen, um Zusammenfassungsmodelle mit bestärkendem Lernen zu verbessern. Die Autor:innen berichten von besseren Ergebnissen auf Reddit und einem Transfer auf CNN/DailyMail, weisen aber auf Längeneffekte, mögliche Ungenauigkeit und Voreingenommenheit sowie die Grenzen der Bewertungsfunktion hin.

Mittel

Der Bericht untersucht, ob menschliche Präferenzen die Qualität maschineller Zusammenfassungen verbessern können. Das Verfahren trainiert zunächst Modelle auf Reddit-Kurzfassungen, sammelt dann Vergleiche zwischen jeweils zwei Zusammenfassungen, bildet daraus ein Bewertungsmodell und optimiert die Sprachmodelle mit bestärkendem Lernen gegen diese Bewertung. Rund 65.000 Vergleiche und etwa 80 beauftragte Bewertende gingen laut Bericht ein.

Die Autor:innen berichten, dass feedbacktrainierte Modelle überwachte Modelle übertrafen, teils auch deutlich größere. Auf CNN/DailyMail-Nachrichten hätten sie ohne weiteres Feintuning ebenfalls gute Zusammenfassungen erzeugt. Ein Teil des Vorteils auf Reddit hing allerdings damit zusammen, dass die Bewertenden längere Texte bevorzugten; nach Berücksichtigung der Länge fiel die Präferenz für das größte Feedbackmodell von 70 auf 65 Prozent.

Als Grenzen nennt der Bericht, dass die Bewertungsfunktion menschliche Präferenzen nur näherungsweise abbildet und bei zu starker Optimierung schlechtere Ergebnisse hervorbringen kann. Die Modelle können weiterhin ungenau, beleidigend oder voreingenommen zusammenfassen. Die Referenztexte seien keine sichere Messlatte für menschliche Spitzenleistung, und ein Vergleich mit gleich aufwendigem Training anhand hochwertiger Demonstrationen fehlte. Das größte Modell benötigte etwa 320 GPU-Tage.

Ausführlich lesen

Der Bericht beschreibt, wie OpenAI menschliches Feedback und bestärkendes Lernen einsetzt, um Sprachmodelle für Zusammenfassungen zu trainieren. Die Autor:innen sehen einen grundlegenden Nachteil darin, Sprachmodelle nur darauf zu optimieren, menschliche Texte vorherzusagen: Das müsse nicht dem entsprechen, was Menschen von guten Antworten erwarten, und könne etwa ungenaue oder voreingenommene Ausgaben begünstigen. Untersucht wird deshalb, ob Modelle anhand menschlicher Präferenzen besser auf die gewünschte Qualität ausgerichtet werden können.

Das Verfahren hat vier Schritte: Zunächst werden Modelle darauf trainiert, menschliche Kurzfassungen zu Reddit-Beiträgen vorherzusagen. Anschließend vergleichen Menschen jeweils zwei Zusammenfassungen desselben Beitrags. Aus diesen Vergleichen wird ein Bewertungsmodell trainiert, das vorhersagen soll, welche Zusammenfassung bevorzugt wird. Schließlich optimieren die Forschenden das Sprachmodell mit bestärkendem Lernen gegen diese Bewertungsfunktion. Dafür verwenden sie PPO und eine Strafe, die das Modell davon abhalten soll, sich zu weit von der überwachten Ausgangsversion zu entfernen. Laut Bericht umfasste das Vergleichsdatenset rund 65.000 Urteile; etwa 80 beauftragte Personen lieferten die Bewertungen. Die Forschenden berichten, sie hätten diese Personen eingearbeitet, ihre Rückmeldungen begleitet und die Übereinstimmung mit den eigenen Qualitätsurteilen überwacht.

Auf Reddit-Zusammenfassungen hätten die feedbackbasierten Modelle in menschlichen Vergleichen besser abgeschnitten als überwacht trainierte Modelle, darunter auch wesentlich größere. Das 1,3-Milliarden-Modell mit Feedback sei einem überwachten 12-Milliarden-Modell überlegen gewesen. Zusammenfassungen der 1,3- und 6,7-Milliarden-Modelle seien von den Bewertenden häufiger bevorzugt worden als die vorhandenen menschlichen Referenzfassungen. Ein Teil des Vorteils hing jedoch mit der Länge zusammen: Die Bewertenden bevorzugten eher längere Zusammenfassungen, und die Modelle lernten, die erlaubte Maximallänge auszuschöpfen. Wenn die Länge berücksichtigt wurde, sank die Präferenz für das 6,7-Milliarden-Modell von 70 auf 65 Prozent.

Für einen Transfer-Test wandten die Forschenden die auf Reddit trainierten Modelle ohne weiteres Feintuning auf CNN/DailyMail-Nachrichtenartikel an. Nach ihrer Auswertung erzeugten die Feedbackmodelle dort gute, vergleichsweise kurze Zusammenfassungen. Bei gleicher Zusammenfassungslänge wurden die Ausgaben des 6,7-Milliarden-Modells höher bewertet als die menschlichen Referenzfassungen. Das deute laut Autor:innen darauf hin, dass das Gelernte über Reddit hinaus anwendbar sein könnte.

Der Bericht nennt zugleich deutliche Grenzen. Das Bewertungsmodell ist nur ein Stellvertreter für menschliche Präferenzen und kann überoptimiert werden: Stärkeres Training verbesserte die Ergebnisse zunächst, verschlechterte sie bei weiterer Optimierung aber wieder. Das Verfahren bestimmt nicht selbst, welches Verhalten erwünscht ist; bei umstrittenen Zielen müssten betroffene Gruppen in die Definition guter Ergebnisse einbezogen werden. Reddit-Beiträge können beleidigende Inhalte und schädliche Vorurteile enthalten, die sich in Zusammenfassungen wiederfinden können. Die Modelle konnten weiterhin ungenaue Zusammenfassungen erzeugen; eine perfekte Gesamtbewertung erhielten sie laut Bericht nur in 45 Prozent der Fälle. Die Referenzzusammenfassungen seien zudem nicht zwingend von höchster Qualität, und ein Vergleich mit gleich aufwendigem Sammeln hochwertiger Demonstrationen fehlte. Das Training des 6,7-Milliarden-Modells erforderte rund 320 GPU-Tage. Die Autor:innen sehen als nächste Schritte Feedback für schwerer überprüfbare Aufgaben und weitere Feedbackformen wie Demonstrationen, Überarbeitungen und Begründungen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung; die kurze ist ebenfalls treu, aber knapper. Die Einordnung stützt sich auf den Quelltext, nicht auf Lunas Stufen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Modelle passten sich der von Bewertenden bevorzugten Länge an und konvergierten zur längsten zulässigen Länge.
  • Bei Längenkontrolle wurde das 6.7B-Feedbackmodell auf CNN/DM höher bewertet als die menschlichen Referenzzusammenfassungen.
  • Laut Bericht gaben Bewertende beim besten Feedbackmodell in rund 45 Prozent der Fälle die Gesamtnote 7 (perfekt).
  • Der Bericht empfiehlt, bei komplexeren Aufgaben betroffene Gruppen statt Forschender als Maßstab für gutes Verhalten einzubeziehen.

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
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 46 %umfangreiche Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 34 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 24 %nur am Rande erwähnt
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 26 %einzelne zitierbare Belege
    • amos 25 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra offen

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 5 · umfangreiche Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 76 %Hintergrund, keine Belege
    • JEV 32 %umfangreiche Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
  3. 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 40 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-V4-T01 Falls ein Modell kein durchgehendes Selbst hat: Kann es überhaupt an den vorgesehenen Zielen und Werten ausgerichtet sein, oder nur seine Ausgaben? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • SF-V4-T04 Wenn ein Eigenwert des Menschseins verankert werden soll: Lässt er sich schützen, ohne sich vorher zu einigen, worin er besteht? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 20 %Hintergrund, keine Belege
    • Luna 50 %einzelne zitierbare Belege
    • JEV 36 %umfangreiche Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 44 %umfangreiche Belege
    • JEV 27 %beantwortet teilweise oder widerspricht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 →