Outcome-based Reward Model (ORM) ist ein Verfahren, das ein KI-Modell allein anhand der finalen Antwort bewertet, ohne den Weg dorthin zu prüfen. Stimmt das Ergebnis, gibt es Belohnung. Der Rechenweg, die Argumentation oder die Zwischenschritte spielen keine Rolle.
Diese Herangehensweise hat einen praktischen Vorteil: Sie ist einfach zu trainieren, weil nur das Endergebnis annotiert werden muss und nicht jeder einzelne Zwischenschritt. Für viele Aufgaben reicht das aus, etwa bei einfacher Klassifikation, Textzusammenfassung oder Frage-Antwort-Aufgaben mit klar prüfbarem Resultat. Der Nachteil zeigt sich bei komplexeren, mehrstufigen Aufgaben. Ein Modell kann durch einen fehlerhaften oder sogar erratenen Lösungsweg trotzdem zum richtigen Ergebnis gelangen. Ein Outcome-based Reward Model erkennt diesen Unterschied nicht und belohnt den Zufallstreffer genauso wie eine saubere Herleitung. Über viele Trainingsdurchläufe hinweg kann das dazu führen, dass ein Modell lernt, sich auf plausibel klingende, aber inhaltlich brüchige Argumentationen zu verlassen, solange am Ende die Zahl stimmt.
Abgrenzung
Der Gegenpart ist das Process Reward Model, das jeden Zwischenschritt einzeln bewertet und dadurch auch fehlerhafte Herleitungen mit zufällig richtigem Ergebnis erkennt. Ein Outcome-based Reward Model ist günstiger im Training, ein Process Reward Model liefert das feinere Signal. Beide sind Varianten der Belohnungsfunktion innerhalb eines Reinforcement-Learning-Trainings, nicht das Reinforcement Learning selbst.
KI im Arbeitsalltag: So finden Sie den richtigen Start
KI-Assistent trifft SAP Business One: Zwei Wege aus dem Versino KI-Shop
Sprint und Swirl: Wie ein KI-Agent Arbeit aufteilt und aus Probeläufen lernt
LATS: Mehrere Wege gleichzeitig durchdenkt mit KI — und die Verfügbarkeitsprüfung in SAP B1
ReAct und RLEF: Wie Künstliche Intelligenz aus echten Fehlern lernt — und was der automatische Bankabgleich in SAP Business One damit zu tun hat
