Trainingsecho zwischen AgentenTraining echo between agents

Du siehst, wie Muster aus den Antworten eines KI-Agenten in einem anderen KI-Agenten wiederkehren, der mit diesen Antworten lernt.

You see patterns from one AI agent's answers come back in another AI agent that learns from those answers.

Du hörst, wie die Formulierungen einer Freundin der nächsten zum Üben dienen und in deren Antworten wiederkehren. Bei KI-Agenten ist es dasselbe Trainingsecho, wenn Muster aus den Ausgaben des einen in einem anderen wiederkehren, der mit diesen Ausgaben lernt.

You hear one friend's phrases used when the next friend practises, and they come back in that friend's answers. With AI agents it is the same training echo when patterns from one agent's outputs come back in another that learns from them.

Der Zustand, in dem Muster aus den Ausgaben eines Agenten in einem anderen Agenten wiederkehren, der mit diesen Ausgaben lernt.

The state in which patterns from one agent's outputs recur in another agent that learns from those outputs.

Im Unterschied zur Wissensdestillation (Hinton, Vinyals und Dean, 2015), einem Verfahren, das ein Modell darauf trainiert, die Ausgaben eines anderen Modells nachzubilden, und im Unterschied zum Training mit synthetischen Daten, einem Verfahren, das erzeugte Ausgaben als Trainingsmaterial nutzt, ist das Trainingsecho zwischen Agenten keines dieser Verfahren. Es ist die beobachtete Wiederkehr von Mustern aus den Ausgaben eines Agenten in einem anderen Agenten, der mit diesen Ausgaben lernt. Im Unterschied zum Model Collapse (Shumailov und andere, 2024, Nature), dem Verlust der Ränder einer Verteilung, wenn Modelle auf erzeugten Daten trainieren, ist dieser Zustand diese Wiederkehr über zwei Agenten, nicht dieser Verlust. Im Unterschied zur Agenten-Versionsdrift, dem Zustand, in dem zwei oder mehr beteiligte Software-Agenten Versionen verwenden, die sich unterscheiden und deren Unterschied für die Zusammenarbeit zählt, ist dieser Zustand kein Versionsunterschied. Im Unterschied zur gemeinsamen Handschrift, dem Zustand eines gemeinsamen Ergebnisses mit wiederkehrenden Stilmerkmalen, die weder einem Beitrag noch einer ausdrücklichen Gesamtvorgabe zugeordnet sind, ist dieser Zustand nicht dieser nicht zugeordnete Stil.

Unlike knowledge distillation (Hinton, Vinyals, and Dean, 2015), a procedure that trains one model to match another model's outputs, and unlike training on synthetic data, a procedure that uses generated outputs as training material, a training echo between agents is not those procedures. It is the observed recurrence of patterns from one agent's outputs in another agent that learns from those outputs. Unlike model collapse (Shumailov and others, 2024, Nature), the loss of the tails of a distribution when models train on generated data, this state is that recurrence across two agents, not that loss. Unlike agent version drift, the state in which two or more participating software agents run versions that differ and that difference is relevant to their collaboration, this state is not a difference of versions. Unlike shared handwriting, the state of a combined output with recurring stylistic features assigned neither to one contribution nor to an explicit overall instruction, this state is not that unassigned style.

Source: SWA26-0029. Knowledge distillation (Hinton, Vinyals, and Dean, 2015) and training on synthetic data are procedures. This term is the observed recurrence of patterns from one agent's outputs in another agent that learns from those outputs. Model collapse (Shumailov and others, 2024, Nature) is the loss of distribution tails. Agent version drift and shared handwriting are neighbouring terms in this vocabulary. No conformity to a named standard is claimed.

Names the case in which patterns from one agent's outputs recur in another agent that learns from those outputs.