CL-Bench, ein neuer Benchmark, der testet, ob KI-Agenten bei aufeinanderfolgenden, realen Aufgaben tatsächlich aus Erfahrung lernen, ergab: Selbst das beste System – Claude Sonnet 4.6 mit vollständigem Kontext-Lernen – erzielte gegenüber seiner eigenen zustandslosen Basisversion nur einen normalisierten Zugewinn von 25,4 %
Forscher der UC Berkeley und Snorkel AI stellten CL-Bench vor, einen neuen Benchmark zur Bewertung, wie gut KI-Systeme sich mit sequenzieller Erfahrung in realen Aufgaben verbessern. Sie maßen die „Gain Metric“ (gain metric), um das Lernen von früheren Fähigkeiten zu isolieren. Das leistungsstärkste System, Claude Sonnet 4.6, das In-Context-Learning mit vollem Kontext nutzte, erreichte einen normalisierten Gewinn von 25,4 % gegenüber seiner eigenen Baseline.
Geprüft 2026-09-23
Mit Insider verfolgenWarum das zählt
Heutige KI-Agenten lernen kaum aus Erfahrung, eine echte Grenze für den Ersatz von Menschen, die sich durch Übung verbessern.
Mehr zu Modelle
- KI-Modelle können inzwischen Gold bei der Internationalen Mathematikolympiade gewinnen, doch Stanfords AI Index 2026 zeigt, dass sie an einer Aufgabe scheitern, die die meisten Kinder früh beherrschen. Bei den 180 Zifferblatt-Designs und 720 Fragen von ClockBench las das beste Modell, GPT-5.4 High, analoge Uhren nur in 50,6 % der Fälle korrekt ab, gegenüber 90,1 % bei Menschen
- Nachdem die Lücke 2024 kurz fast geschlossen war, hat sich der Leistungsabstand zwischen den besten Closed-Weight- und Open-Weight-KI-Modellen auf dem Arena-Leaderboard wieder vergrößert. Stand März 2026 führt laut Stanfords 2026 AI Index das beste Closed-Modell das beste Open-Modell um 3,3 %, gegenüber einem Vorsprung von 0,5 % im August 2024
- Stanfords KI-Index 2026 verfolgt, wie KI-Modelle bei GPQA Diamond abschneiden, einem Satz von Chemie- und Physikfragen auf Doktorandenniveau, die bewusst so gestaltet sind, dass Google-Suchen nicht weiterhelfen. Die mittlere Modellgenauigkeit bei diesem Benchmark erreichte 2025 93 %, verglichen mit einer Basislinie menschlicher Expertenvalidierer von 81,2 % -- KI-Modelle schlagen promovierte Experten nun um 12 Punkte bei GPQA Diamond
KOSTENLOS · KEINE KARTE
Fakten wie diese, sechs Tage die Woche
The Daily Receipts an Werktagen, The Weekly Brief am Samstag — sechs belegte Fakten pro Tag per E-Mail, zwei mehr als die kostenlose Website zeigt. Jeder bis zur Quelle belegt. Kostenlos.
Tägliches Gratis-Briefing holenKostenlos · Keine Karte · Jederzeit abbestellbar
Treten Sie jetzt bei, und Sie starten mit 100 Receipts in The Receipts Ledger — Ihr erster Schritt zu einem kostenlosen Jahr Insider oder Pro. So funktioniert es →
Die heutige Ausgabe ansehen →