Claude und andere LLM-Agenten durch kombiniertes Policy- und World-Model-Training effizienter2. June 20262. June 2026AI Models, Claude AI, Claude CodePaW trainiert Umweltmodelle während des Policy-Trainings anhand derselben RL-Rollouts, was die Agent-Performance konsistent verbessert, ohne zusätzliche Simulatoren oder Inference-Kosten zu benötigen. Share on:
