Stellen Sie sich vor, Sie bringen einem Roboter bei, ein Filmregisseur zu sein. Sie geben ihm einen Stapel roher Videoclips und eine einfache Anweisung: „Erstelle einen coolen Sport-Highlight-Clip.“ Der Robot muss viel Arbeit leisten: Er muss die richtigen Clips finden, sie schneiden, sie auf einer Timeline anorden, Musik hinzufügen und die fertige Datei exportieren. Dies ist ein langer Prozess mit vielen Schritten. Das Problem ist, dass man das fertige Video erst ganz am Ende sieht. Wenn der Film langweilig ist, kann man nicht einfach sagen, welcher spezifische Schritt falsch gelaufen ist. Hat er die falschen Clips ausgewählt? Hat er sie zu kurz geschnitten? Oder hat er sie nur in einer schlechten Reihenfolge angeordnet? In der Welt der künstlichen Intelligenz nennt man das das „Long-Horizon“-Problem (Langzeit-Problem). Es ist, als würde man versuchen, jemandem das Backen eines Kuchens beizubringen, indem man ihm erst sagt: „Er schmeckt schlecht“, nachdem er den ganzen Kuchen bereits gegessen hat. Man braucht einen Weg, um die einzelnen Schritte, die zum Ergebnis geführt haben, zu bewerten (oder Schuld zuzuweisen), selbst wenn das Ergebnis subjektiv ist – was bedeutet, dass verschiedene Menschen unterschiedliche Versionen desselben Videos mögen könnten.

Dieses Paper stellt eine neue Art vor, diese KI-Editoren zu lehren, genannt Crayotter. Die Forscher erkannten, dass anstatt zu versuchen, dem Roboter einen einzigen „Score“ für das gesamte Video zu geben (was schwierig ist, da „gut“ im Auge des Betrachters liegt), man ihn einfach fragen sollte: „Zwischen zwei verschiedenen Versionen desselben Videos, welche ist besser?“ Durch den Vergleich von Videos, die aus exakt denselben Ausgangsmaterialien erstellt wurden, kann die KI eine klare Rangfolge lernen. Aber der knifflige Teil besteht immer noch darin, herauszufinden, wo in dem langen Prozess die KI die guten oder schlechten Entscheidungen getroffen hat. Die Autoren schlagen eine Methode namens Group-Relative Preference Backpropagation (GRPB) vor. Denken Sie an einen smarten Schiedsrichter, der nicht nur am Ende des Spiels „Gut gemacht!“ oder „Schlecht gemacht!“ ruft. Stattdessen betrachtet er die Leistung des gesamten Teams, findet heraus, wer zum Sieg beigetragen hat, und gibt die Anerkennung für die spezifischen Spieler (oder in diesem Fall die spezifischen Editierschritte), die entscheidend waren, während er gleichzeitig sicherstellt, dass kein einzelner Schritt zu viel Anerkennung oder zu viel Schuld erhält.

Das Problem: Die „Black Box“ der Videobearbeitung

Wenn eine KI ein Video bearbeitet, durchläuft sie eine lange Kette von Entscheidungen. Sie analysiert das Filmmaterial, wählt Clips aus, baut eine Timeline auf und rendert das Endprodukt. Das Problem ist, dass die Qualität des fertigen Videos – wie gut der Fluss der Geschichte ist, ob das Pacing stimmt oder ob der Stil zur Anfrage passt – erst sichtbar ist, nachdem all diese Entscheidungen getroffen wurden.

Wenn man der KI am Ende nur eine einzige Zahl gibt (wie „Dieses Video ist eine 7 von 10“), ist das verwirrend. Ist die 7 deshalb da, weil die KI schlechte Clips ausgewählt hat? Oder weil die Musik zu laut war? Oder weil die Aufgabe an sich einfach sehr schwer war? Verschiedene Editing-Aufgaben haben unterschiedliche Regeln dafür, was ein „gutes“ Video ausmacht, sodass der Vergleich von Scores über verschiedene Aufgaben hinweg so ist, als würde man Äpfel mit Birnen vergleichen.

Das Paper argumentt, dass wir nicht versuchen sollten, einen perfekten globalen Score zu berechnen. Stattdessen sollten wir uns auf Vergleiche konzentrieren. Wenn die KI drei verschiedene Versionen desselben Sport-Reels erstellt, können wir leicht sagen: „Version C ist besser als Version A, und Version A ist besser als Version B.“ Dies verwandelt ein vages, subjektives Gefühl in eine klare, logische Ordnung.

Die Lösung: GRPB und das „verzögerte“ Creditsystem

Die Autoren führen Group-Relative Preference Backpropagation (GR{_}PB) ein. So funktioniert es, unter Verwendung einer spielerischen Analogie:

Stellen Sie sich einen Kochwettbewerb vor, bei dem drei Teams (Team A, Team B und Team C) exakt dieselben Zutaten erhalten und die Aufgabe haben, einen Eintopf zuzubereiten. Ein Richter probiert alle drei und rankt sie: Team C ist der Gewinner, Team A ist der Zweite und Team B ist der Verlierer.

Bei alten Methoden würde der Richter dem Gewinner vielleicht einfach einen großen Pokal und dem Verlierer eine Teilnahmeurkunde geben. Aber das sagt den Köchen nicht, was sie richtig oder falsch gemacht haben. Hat Team C gewonnen, weil sie die Zwiebeln besser gehackt haben? Oder weil sie die Gewürze zum richtigen Zeitpunkt hinzugefügt haben?

GRPB ist wie ein super-smarter Coach, der das Spiel analysiert.

1. Die Gruppe: Es vergleicht nur Teams, die exakt dieselben Zutaten verwendet haben (dieselbe Anfrage und dieselben Quellclips).
2. Das Nullsummenspiel: Es behandelt das Ranking wie ein Nullsummenspiel. Wenn Team C gewinnt, erhält es Punkte, und die anderen verlieren Punkte. Die Gesamtpunktzahl im Raum addiert sich immer zu Null.
3. Der verzögerte Allokator: Dies ist der clevere Teil. Der Coach schaut nicht nur auf den fertigen Eintopf und rät. Er nutzt ein „verzögertes“ System. Er blict auf die vorherige Charge an Kochlektionen, um zu entscheiden, wie er für diese Charge die Anerkennung verteilt. Dies verhindert, dass der Coach durch seine eigenen unmittelbaren Reaktionen verwirrt wird. Es ist wie ein Lehrer, der eine Prüfung basierend auf dem Rubric bewertet, den er letzte Woche geschrieben hat, und nicht nach dem, den er gerade beim Korrigieren hingekritzelt hat.
4. Segment-basierte Anerkennung: Anstatt dem gesamten Team einen Score zu geben, unterteilt GRPB den Kochprozess in Segmente: „Hacken“, „Köcheln“, „Würzen“. Es findet heraus, welches spezifische Segment am meisten zum Sieg oder zur Niederlage beigetragen hat. Wenn Team C die Zwiebeln perfekt gehackt hat, erhält dieses spezifische Segment die Anerkennung. Wenn Team B den Knoblauch verbrannt hat, erhält dieser spezifische Schritt die Schuld.
5. Sicherheitsbegrenzungen: Um zu verhindern, dass die KI zu euphorisch oder zu deprimiert wird, setzt das System „Caps“ (Obergrenzen), wie viel Anerkennung oder Schuld ein einzelner Schritt erhalten kann. Es verwendet auch ein „Reliability Gate“ (Zuverlässigkeitstor), was bedeutet, dass es erst mit der Verteilung von Anerkennung beginnt, wenn es sicher ist, dass sein Bewertungssystem korrekt arbeitet.

Was sie herausgefunden haben

Die Forscher bauten ein 9-Milliarden-Parameter schweres KI-Modell namens Crayotter und trainierten es mit dieser neuen Methode. Sie testeten es in einer simulierten Umgebung mit realistischen Editing-Aufgaben, die von einfachen Schnitten bis hin zu komplexen, mehrstufigen Revisionen reichten.

Die Ergebnisse zeigten, dass GRPB besser funktionierte als andere Methoden:

• Besseres Editing: Die Videos, die vom GRPB-trainierten Modell produziert wurden, wurden von menschlichen Richtern häufiger bevorzugt als die der mit Standardmethoden trainierten Modelle. In einem Blindtest gewann das GRPB-Modell gegen das „Base“-Modell (das ursprüngliche KI-Modell) 67,1 % der Zeit.
• Intelligentere Anerkennung: Als die Forscher testeten, ob die KI wusste, warum sie ein gutes Video erstellt hatte, war GRPB viel besser darin, die spezifischen Editierschritte zu identifizieren, die entscheidend waren. Es identifizierte das „Gewinner“-Segment 20,8 % der Zeit korrekt, verglichen mit nur 11,9 % bei anderen Methoden.
• Die Profis schlagen: In einem Standard-Benchmark namens AgenticVBench belegte das 9B Crayotter-Modell den dritten Platz unter allen getesteten Systemen und schlug mehrere teure, proprietäre Systeme großer Tech-Unternehmen. Es erreichte einen Durchschnittswert von 15,7 %, mit einem besonders starken Wert von 23,0 % bei der Aufgabe „Repurpose“ (die dem Videocutting sehr ähnlich ist).

Warum es wichtig ist

Dieses Paper legt nahe, dass wir für komplexe, kreative Aufgaben, bei denen die „richtige Antwort“ subjektiv ist, keinen perfekten Score benötigen. Wir brauchen nur einen Weg, um verschiedene Versuche zu vergleichen und herauszufinden, welche spezifischen Schritte zu einem besseren Ergebnis geführt haben. Indem wir ein System verwenden, das ähnliche Versuche vergleicht, sein eigenes Urteil verzögert, um Bias zu vermeiden, und die Anerkennung sorgfältig auf spezifische Teile des Prozesses verteilt, kann eine KI lernen, eine viel bessere Editorin zu werden.

Die Autoren weisen vorsichtig darauf hin, dass dies eine spezifische Lösung für Aufgaben wie die Videobearbeitung ist, bei denen es klare Phasen und alternative Ausgänge gibt. Sie behaupten nicht, dass dies jedes KI-Problem löst, aber sie zeigen, dass es für diese Art von „Long-Horizon“-kreativen Jobs eine leistungsstarke Methode ist, das Problem in lokale, vergleichbare Präferenzen zu zerlegen, um Maschinen beizubringen, wie man kreiert. Der Code und die Daten ihrer Experimente sind öffentlich zugänglich und laden dazu ein, diesen „verzögerten Credit“-Ansatz auf eigene kreative KI-Projekte anzuwenden.