NERDMANKI soll selbst erkennen, was sie lernen muss
Ein neues Framework will Machine-Learning-Modelle von der Leine lassen. Die sollen ohne Vortraining selbst herausfinden, welche Variable in einem Datensatz die richtige Zielvariable ist.
Was SDTI macht
Normalerweise sagt der Mensch dem Modell: "Lerne X vorherzusagen." Bei Self-Directed Task Identification (SDTI) soll das Modell selbst draufkommen. Zero-Shot, ohne Vortraining, komplett autonom.
Klingt nach Magie. Ist aber erstmal nur ein Konzept.
✅ Pro
- Interessanter Denkansatz: Modelle weniger abhängig von menschlicher Anleitung
- Minimalistisches, interpretierbares Framework
- Könnte AutoML-Pipelines vereinfachen
❌ Con
- Nur ein arXiv-Preprint — kein Peer Review
- Kein bekanntes Top-Lab dahinter
- Keine Demo, kein Produkt, kein Code zum Anfassen
- Abstract bricht mitten im Satz ab — das sagt eigentlich alles
💡 Was das bedeutet
Die Idee klingt auf dem Papier smart: Wenn ein Modell selbst erkennt, was die relevante Zielvariable ist, spart das Aufwand bei der Datenvorbereitung. Für den Alltag ändert sich aber genau nichts. Bis aus einem Preprint ein brauchbares Tool wird, vergehen Monate bis Jahre — wenn es überhaupt passiert.
Einordnung
SDTI recycelt bekannte ML-Konzepte und steckt sie in eine neue Struktur. Die Autoren selbst nennen es "minimal" und "feasibility demonstration." Übersetzt: Proof of Concept, nicht mehr.
