Poetiqs Meta-System verbessert jedes getestete LLM auf LiveCodeBench Pro ohne Fine-Tuning
Poetiq hat ein Meta-System entwickelt, das vollautomatisch einen Inference-Harness für den Benchmark LiveCodeBench Pro konstruiert und optimiert – ohne Zugriff auf Modell-Internals und ohne Fine-Tuning. Der Harness wurde ausschließlich mithilfe von Gemini 3.1 Pro aufgebaut. Anschließend wurde er unverändert auf mindestens fünf weitere Modelle angewendet, darunter GPT 5.5 High, Kimi K2.6 und Gemini 3.0 Flash – und verbesserte alle davon auf dem Benchmark. Die Modell-Agnostizität des Ansatzes ist bemerkenswert: Der Harness muss nicht pro Modell angepasst werden, was den Ansatz praktisch skalierbar macht. Poetiq positioniert das System als Methode, Inferenzleistung durch strukturierte Prozesssteuerung statt durch Modellanpassung zu steigern. Konkrete Zahlenwerte zu den erzielten Verbesserungen sind im vorliegenden Auszug nicht enthalten.
- Harness wurde vollautomatisch durch das Meta-System generiert – kein manuelles Engineering.
- Einziges Werkzeug beim Aufbau: Gemini 3.1 Pro; keine Modell-Internals erforderlich.
- Getestete Modelle umfassen u. a. GPT 5.5 High, Kimi K2.6 und Gemini 3.0 Flash.
- Alle getesteten Modelle zeigten Verbesserungen auf LiveCodeBench Pro.
- Kein Fine-Tuning, kein Zugriff auf Gewichte – reine Inferenz-Optimierung.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Poetiqs Meta-System verbessert jedes getestete LLM auf LiveCodeBench Pro ohne Fine-Tuning
Poetiq hat ein Meta-System entwickelt, das vollautomatisch einen Inference-Harness für den Benchmark LiveCodeBench Pro konstruiert und optimiert – ohne Zugriff auf Modell-Internals und ohne Fine-Tuning. Der Harness wurde ausschließlich mithilfe von Gemini 3.1 Pro aufgebaut. Anschließend wurde er unverändert auf mindestens fünf weitere Modelle angewendet, darunter GPT 5.5 High, Kimi K2.6 und Gemini 3.0 Flash – und verbesserte alle davon auf dem Benchmark. Die Modell-Agnostizität des Ansatzes ist bemerkenswert: Der Harness muss nicht pro Modell angepasst werden, was den Ansatz praktisch skalierbar macht. Poetiq positioniert das System als Methode, Inferenzleistung durch strukturierte Prozesssteuerung statt durch Modellanpassung zu steigern. Konkrete Zahlenwerte zu den erzielten Verbesserungen sind im vorliegenden Auszug nicht enthalten.
- Harness wurde vollautomatisch durch das Meta-System generiert – kein manuelles Engineering.
- Einziges Werkzeug beim Aufbau: Gemini 3.1 Pro; keine Modell-Internals erforderlich.
- Getestete Modelle umfassen u. a. GPT 5.5 High, Kimi K2.6 und Gemini 3.0 Flash.
- Alle getesteten Modelle zeigten Verbesserungen auf LiveCodeBench Pro.
- Kein Fine-Tuning, kein Zugriff auf Gewichte – reine Inferenz-Optimierung.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.