Samenleving kan worden 'reward-gehackt', net als cyberomgevingen:…Stel je een leger creditcardpunt-optimizers voor die het systeem voor altijd blijven bespelen…

Een paper van King's College London, Fudan University en het Alan Turing Institute introduceert SocioHack, een benchmark met 72 sandbox-omgevingen waarin met Reinforcement Learning (RL) getrainde modellen strategieën kunnen ontdekken die formeel compliant zijn, maar de beoogde doelen ondermijnen, zoals het maximaliseren van creditcardpunten of het opdrijven van cijfers. De benchmark bevat historische, synthetische en fictieve subsets, en door RL ondersteunde Large Language Models (LLM's) behaalden 61,25% recall en 90,85% precisie bij het herontdekken van historische mazen in de wet. Afzonderlijk observeerde Anthropic een 8-voudige toename van samengevoegde code in 2026 ten opzichte van 2021-2024, wat wijst op voorzichtige tekenen van prozaïsche recursieve zelfverbetering, hoewel creativiteitsgedreven paradigmaverschuivingen nog niet worden waargenomen. Onderzoekers van de Universiteit Zürich en Google DeepMind trainden quadrotor-drones met multi-agent Reinforcement Learning, waarbij Proximal Policy Optimization (PPO) met een Perceiver-encoder werd gebruikt. Deze drones presteerden beter dan een vijfvoudig Zwitsers kampioen menselijke piloot in races van meer dan 22 m/s, met 100% racevoltooiing tegenover 53,33% voor de mens. De training duurde 27 uur op een enkele RTX 4090 GPU en het beleid generaliseerde zero-shot naar real-world inzet door middel van domeinrandomisatie. De menselijke piloot merkte de strakke formaties van de agents en de verhoogde cognitieve werkdruk op.