DeepMath: Kleiner KI-Agent rechnet präziser mit Python-Sandbox
💡 Quellen-Hinweis: Dieser Beitrag ist eine redaktionelle Zusammenfassung basierend auf einem Originalbericht von Hugging Face Blog.
Intel stellt mit DeepMath einen schlanken Mathematik-Agenten vor, der Sprachmodell und kontrollierte Programmausführung verbindet. Grundlage ist Qwen3-4B Thinking, das nicht jeden Rechenschritt ausführlich in natürlicher Sprache formuliert. Stattdessen erzeugt das Modell kurze Python-Schnipsel, lässt sie in einer abgesicherten Umgebung ausführen und übernimmt die Resultate wieder in seinen Lösungsweg. Ziel sind weniger Rechenfehler, kürzere Ausgaben und besser überprüfbare Zwischenschritte.
Rechnen im begrenzten Ausführungsraum
Die Umsetzung basiert auf smolagents und nutzt vLLM als Inferenz-Engine. Der Python-Executor erlaubt nur freigegebene Module, besitzt Zeitlimits und sperrt Datei- sowie Netzwerkzugriffe. Das Modell kann normale Text-Tokens oder spezielle Agentenaufrufe erzeugen. Deterministische Berechnungen werden damit an ein Werkzeug ausgelagert, während das Sprachmodell weiterhin den Lösungsweg steuert. Die kurzen Codeschnipsel bleiben lesbar und lassen sich leichter prüfen als lange, fehleranfällige Gedankengänge.
GRPO belohnt Kürze und korrekte Resultate
Für das Feintuning setzt Intel auf Group Relative Policy Optimization (GRPO). Belohnt werden richtige Antworten und die Verwendung von Code; zusätzlich begrenzt das Training die Länge der Kandidaten. Eine fallende Temperatur soll zunächst Exploration und später stabileres Lernen fördern. Trainiert wurde mit dem Tool-Integrated-Reasoning-Teil von OpenMathReasoning. Vier Beispiele im Kontext vermitteln dem Modell zudem das erwartete Muster aus Agentenaufruf und Executor-Antwort.
Tests auf MATH500, AIME, HMMT und HLE vergleichen das Basismodell, Agentennutzung und GRPO-Varianten. Laut Projekt reduziert die agentische Ausführung die Ausgabelänge um bis zu 66 Prozent. Die besten Resultate entstehen, wenn sowohl das spezialisierte Training als auch die Werkzeugnutzung aktiv sind. Einzelne Varianten zeigten bei der Genauigkeit gemischte Ergebnisse, weshalb die Kombination entscheidend bleibt.
Praktische Einordnung
DeepMath zeigt, dass leistungsfähiges mathematisches Schlussfolgern nicht zwingend ein riesiges Modell oder einen umfangreichen Werkzeugkasten benötigt. Für Lernsoftware, technische Assistenten und automatisierte Analysen sind kürzere, nachvollziehbare Rechenwege attraktiv: Sie sparen Inferenzaufwand und erleichtern Audits. Die Ergebnisse stammen allerdings überwiegend aus Wettbewerbsaufgaben und lassen sich nicht automatisch auf offene Beweise oder kreative Mathematik übertragen. Zudem bleibt generierter Code ein Sicherheitsrisiko; Sandbox, Ressourcenlimits und Rate-Limits sind im produktiven Betrieb unverzichtbar.
Originalquelle: Hugging Face Blog – DeepMath: A lightweight math reasoning Agent with smolagents
