Der $NEAR-Mitbegründer Illia Polosukhin hat Delta League ins Leben gerufen, einen öffentlichen Wettbewerb, zu dem jeder eingeladen ist, Verbesserungen für ein offenes Modell der künstlichen Intelligenz einzureichen. Die Plattform wurde von @ilblackdragon angekündigt und wird von @near_ai für das @NEARProtocol-Ökosystem ($NEAR) betrieben.
So funktioniert Delta League
Teilnehmer reichen Änderungen an den Gewichten eines Modells ein, also den Zahlen im Inneren, die bestimmen, wie es antwortet. Laut der Website von Delta League können Teilnehmer ein LoRA, eine dünn besetzte oder dichte Gewichtsdifferenz oder einen vollständigen Checkpoint einreichen, und jede Änderung behält ihre Modellherkunft bei. Die Plattform überprüft die Gewichte und führt dann Validierungs- und private Tests durch, damit die Teilnehmer ihre Ergebnisse mit dem ursprünglichen Modell vergleichen können.
Jede Änderung wird anhand eines verborgenen Testsatzes bewertet, und jede verifizierte Version bleibt offen, damit andere darauf aufbauen können. So können Mitwirkende frühere Arbeiten weiterentwickeln, statt bei null anzufangen, wobei jede Änderung dem Modell zugeordnet wird, das sie verändert hat.
Der erste Test verwendet Qwen3.5 0.8B, ein kleines offenes Modell. Fünf verifizierte Änderungen haben seine Punktzahl bisher von 18,6 % auf 19 % angehoben. Der Zugewinn ist bescheiden, zeigt aber, dass der Verifizierungsprozess an einem laufenden Modell funktioniert.
Qwen3.5 ist eine Familie offener Modelle mit offenen Gewichten von Alibaba. Der Wikipedia-Eintrag zu Qwen vermerkt, dass Alibaba das Modell mit offenen Gewichten Qwen3.5 im Februar 2026 veröffentlicht hat.
Was als Nächstes kommt
In den kommenden Tagen sollen die Unterstützung für Änderungen am Modelldesign und individuelle Tests für Unternehmen folgen. Die Erlaubnis, die Architektur eines Modells zu ändern und nicht nur seine Gewichte, würde die Bandbreite der Beiträge erweitern, die der Wettbewerb annehmen kann. Individuelle Tests würden es Unternehmen ermöglichen, Änderungen anhand ihrer eigenen Aufgaben zu messen.
Der Start passt zu Polosukhins breiterer Arbeit an offener und nutzergesteuerter KI. Er ist Mitautor des Papers „Attention Is All You Need“ aus dem Jahr 2017, das die Transformer-Architektur einführte, und leitet heute laut Fast Company die Arbeit bei $NEAR AI. In einem Podcast-Interview, das Open Commons zusammengefasst hat, argumentierte er, dass die Veröffentlichung von Modellgewichten allein ein KI-System nicht zu Open Source macht, und dass echte Offenheit auch Zugang zu Trainingsdaten, Rezepten und Methodik erfordert.
Delta League erprobt einen anderen Weg zur Verbesserung: crowdgesourcte, verifizierte Änderungen an einem gemeinsamen Modell, deren Ergebnisse anhand von Daten bewertet werden, die die Teilnehmer nicht einsehen können. Wie weit dieser Ansatz größere Modelle verbessern kann, bleibt abzuwarten, und die ersten Ergebnisse sind klein.
Quellen
