Das Qwen-Team von Alibaba hat einen neuen Algorithmus entwickelt, der die Herausforderungen des Reinforcement Learning bei Denkmodellen adressiert. Bisher erhielten alle Token die gleiche Belohnung, was die Fähigkeit zur tiefen Analyse einschränkte. Der neue Ansatz gewichtet jeden Schritt basierend darauf, wie stark er die nachfolgenden Entscheidungen beeinflusst. Dies führt zu einer Verdopplung der Denkprozesse und eröffnet neue Möglichkeiten für die Entwicklung von KI-Systemen. Relevant ist in diesem Zusammenhang die Frage, wie diese Innovation in den breiteren Kontext der KI-Forschung und -Anwendung eingeordnet werden kann. Eine abschließende Bewertung der Auswirkungen auf den Markt und die Technologie ist zum jetzigen Zeitpunkt jedoch verfrüht, da die langfristigen Effekte und die Reaktionen der Konkurrenz noch abzuwarten sind.