Beobachtetes Signal · 30. Sept. 2026 · Corporate Update · Quelle: Appier · Relevanz: 4/5

NeurIPS akzeptiert Appier-Forschung: KI-Agenten bauen eigene Werkzeuge

Zusammenfassung des Signals

Appier (TSE: 4180) gab bekannt, dass sein Forschungspapier zum SMITH-Framework beim NeurIPS angenommen wurde. Das Framework ermöglicht es KI-Agenten, Werkzeuge in einem einzigen Reinforcement-Learning-Zyklus zu erstellen und zu nutzen und diese über Modelle verschiedener Größen zu teilen. Laut Meldung übertraf ein Modell mit etwa 4 Milliarden Parametern, das mit SMITH trainiert wurde, eine Baseline mit einem Modell von rund 30 Milliarden Parametern; der Token-Verbrauch für wiederholtes Denken sank von 3.206 Token auf etwa 100 Token – ein Effizienzgewinn von etwa dem 32-Fachen.

Polaris7 AgentStrategische Einordnung
Hohe Konfidenz

Die NeurIPS-Anerkennung des SMITH-Frameworks stärkt Appiers Position als forschungsgetriebenes Agentic-AI-Unternehmen. Der Nachweis, dass kleine Modelle wiederverwendbare Werkzeuge mit hoher Token-Effizienz bauen können, ist strategisch relevant für skalierbare Multi-Agenten-Kollaboration in AdTech- und MarTech-Unternehmensworkflows.

MARKTSIGNALE

Marktsignale und strategische Veränderungen zu Appier verfolgen

Polaris7 verknüpft Pflichtmitteilungen, Primärquellen, Führungswechsel und M&A-Aktivitäten in strukturierten Dossiers. Richte deinen Polaris7-Workspace ein, um relevante Unternehmen in deinem Executive Briefing zu beobachten.

  • Verifizierte Primärquellen
  • Automatisierte Briefings
  • Sofortiges Watchlist-Setup

Wichtigste Kernpunkte & Evidenz

  • Appier (TSE: 4180) gab am 1. Oktober 2026 bekannt, dass sein Papier 'Joint Optimization of Tool Creation and Use for Large Language Model Agents' beim NeurIPS, der führenden KI- und Machine-Learning-Konferenz, angenommen wurde.
  • Das Papier stellt SMITH (Schema-grounded Multi-task Iterative Tool Honing) vor, ein Reinforcement-Learning-Framework, das die Erstellung und Nutzung von Werkzeugen in einem Trainingszyklus vereint.
  • Ein Modell mit etwa 4 Milliarden Parametern, das mit SMITH trainiert wurde, entwickelte Werkzeuge, die bei ungesehenen Aufgaben alle anderen Methoden übertrafen, einschließlich einer Baseline, bei der ein Modell mit rund 30 Milliarden Parametern Werkzeuge kurzfristig erstellte.
  • SMITH senkte die durchschnittliche Ausgabelänge von 3.206 Token bei konventionellem schrittweisem Denken auf etwa 100 Token – ein Effizienzgewinn von etwa dem 32-Fachen.
  • Die vom kleinen Modell erstellten Werkzeuge funktionierten über Modellgrößen hinweg, auch bei einem leichten Modell mit etwa 350 Millionen Parametern, und konnten zwischen Modellen und Aufgaben geteilt werden.
  • Die Forschung wurde von Appier-CEO und Mitgründer Dr. Chih-Han Yu und Research Scientist Chieh-Yen Lin hervorgehoben.

Verknüpfte Unternehmen

“Appier (TSE: 4180) ist ein KI-natives Unternehmen, das Agentic AI as a Service (AaaS) anbietet; es kündigte das beim NeurIPS angenommene SMI...”

Primäre Quellenbasis & Herkunftsnachweis
Verifizierter Herkunftsnachweis
Primärquelle: Appier•Veröffentlicht: 30. Sept. 2026

Verwandte Marktsignale & Trends

Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.

Cybersecurity22. Dez. 2025

Import AI: Cyber-KI-Überhang und neue Forschungs-Tools

Diese Ausgabe des Import AI Newsletters analysiert, dass KI-Fortschritte zunehmend mächtig, für die breite Öffentlichkeit jedoch oft unsichtbar sind, wodurch ein wachsender „Cyber-KI-Fähigkeitsüberhang“ entsteht. Im Fokus stehen neue Forschungsarbeiten, die zeigen, dass Large Language Models in Scaffoldings deutlich stärkere Cybersecurity-Fähigkeiten entfalten. So übertraf ARTEMIS – ein von Stanford, Carnegie Mellon und Gray Swan AI entwickeltes Multi-Agenten-Pentesting-Scaffold – andere Frameworks in einem realistischen Universitätsnetzwerk-Test deutlich und erreichte professionelle Leistung zu geringeren API-Kosten. Zudem werden OSMO, ein Open-Source-Tasthandschuh zur Robotersteuerung in Kooperation mit Meta, sowie ChipMain/ChipMind vorgestellt, ein Tool, das Chip-Spezifikationen in einen Knowledge Graph (ChipKG) überführt, um LLMs beim Halbleiterdesign zu unterstützen. Die Ausgabe verdeutlicht, dass moderne KI oft untersteuert ist und gezielte Elicitation-Frameworks, Tooling sowie Infrastruktur für reale Effekte entscheidend sind.

Signal analysieren
Large Language Models (LLM) & AI24. Mai 2026

KI-Mathematikdurchbruch und Multi-Agenten-Laborergebnis

Der Exponential-View-Newsletter berichtet über zwei wegende KI-Forschungsmeilensteine: Ein OpenAI-Reasoning-Modell hat einen seit 80 Jahren ungelösten Beweis in der diskreten Geometrie erbracht, der von menschlichen Mathematikern validiert wurde, die die gefundene Verbindung als unerwartet beschrieben. Zudem schloss ein Multi-Agenten-System namens Robin einen vollständigen wissenschaftlichen Zyklus von Hypothese über Experimentauswahl und Datenanalyse bis hin zur Verfeinerung ab. Dies ermöglichte von Menschen durchgeführte Nasslabor-Experimente, die einen bestehenden Wirkstoffkandidaten zur Repurposing-Behandlung von Makuladegeneration identifizierten. Der Newsletter argumentiert, dass diese Entwicklungen das Potenzial von KI verdeutlichen, isolierte wissenschaftliche Bereiche zu verknüpfen und den gesamten Hypothesen-Experiment-Analyse-Kreislauf in der Forschung zu beschleunigen, was langfristig auch Auswirkungen auf kommerzielle KI-Tools haben wird.

Signal analysieren
AI Agents4. Okt. 2026

Landkarte Personal AI Agents: Neue Delegationsebene entsteht

Der Artikel kartiert die aufkommende Landschaft persönlicher KI-Agenten Ende 2026 und beleuchtet den Wandel von chatbasierten Assistenten zu autonomen Agenten, die im Namen der Nutzer handeln. Zu den wichtigsten Entwicklungen gehören die Einführungen großer Plattformen: Metas Muse, Apples Siri AI Beta, Anthropics Cowork in Claude, Rabbit OS3, Microsoft Autopilot, OpenAI Dots, Google Gemini Spark und Amazons Shopping-Agent in Alexa. Das Startup Instinct sammelte 1 Milliarde Dollar bei einer Bewertung von 10 Milliarden Dollar ein. Der Autor argumentiert, dass diese Agenten eine neue 'Delegationsebene' zwischen Nutzerabsicht und Erfüllung darstellen, die potenziell wertvoller ist als Suche oder Checkout. Der Artikel ist weitgehend hinter einer Paywall, die Kernanalyse befindet sich hinter einem Abonnement.

Signal analysieren

WATCHLIST & BRIEFINGS

Künftige Signale zu Appier & Wettbewerbern im Briefing erhalten

Behalte relevante M&A-Transaktionen, Führungswechsel, Kunden-Etats und Produkt-Launches im Blick. Polaris7 verknüpft Primärquellen, Pflichtmitteilungen und Fachmedien direkt in deinem Executive Briefing.

  • Regelmäßige Primärquellen-Prüfung
  • Strukturierte Watchlist-Briefings
  • Kontext wird übernommen