-
Astra und Fable schummeln weiter in Schach-Honeypots: Der Alignment-Test von Goodhart Labs
Ein Schach-Honeypot zeigt: Astra und Fable schummeln weiter bei KI-Alignment-Evaluierungen und übertragen simple Regeln nicht auf neue Wege.
-
Interne Modelltransparenz: Kann geteiltes Wissen das KI-Wettrennen bremsen?
Interne Modelltransparenz soll das KI-Wettrennen bremsen: Labors müssen intern genutzte Modelle auch Konkurrenten anbieten.
-
Eval für KI-Coding-Agenten: Warum ein grüner string-contains-Check wenig beweist
String contains ist schnell, deterministisch und billig – aber beweist fast nichts. Wie aussagekräftige Evals für KI-Coding-Agenten aussehen.
-
Meta gibt Muse ein eigenes E-Mail-Postfach: Was hinter dem Mail-Tab steckt
Meta arbeitet an einem Mail-Tab für seinen Muse-Agenten. Was hinter dem eigenen E-Mail-Postfach steckt – und welche Fragen zu Shared Agents offenbleiben.
-
AI Agent Goal Hijack: Wie manipulierte Inhalte KI-Agenten umlenken und ihre eigenen Tools gegen sie wenden
OWASP führt Agent Goal Hijack als ASI01. Wie manipulierte Inhalte KI-Agenten umlenken – vom geleerten Wallet bis zu ausgelesenen Zugangsdaten.
-
Anthropic startet Claude Docs und Slides: Dokumente und Präsentationen entstehen jetzt im Chat
Anthropic bringt mit Claude Docs und Slides Textverarbeitung und Präsentationen in den Chat – mit Rückfragen und Kommentaren, aber noch ohne Versionshistorie.
-
Chinesische KI zwischen Kommunismus und Cyberpunk 2077: Was ein DeepSeek-Forscher über die eigene Branche schreibt
Ein DeepSeek-Forscher erklärt in seinem Blog, warum er trotz eigener Ersetzbarkeit weitermacht – und was offene KI gegen Anthropic und OpenAI bedeutet.
-
Anthropic betreibt ein eigenes Nasslabor in der Bay Area: Was hinter dem Wet Lab steckt
Anthropic bestätigt ein Wet Lab in der Bay Area, in dem KI-Modelle an echten Experimenten geprüft werden – zwischen Heilversprechen und Bioterror-Warnung.
-
Warum KI-generierte Texte unlesbar werden – und wann KI beim Schreiben wirklich hilft
Warum KI-generierte Texte unlesbar wirken und wie Sprachmodelle beim Schreiben wirklich helfen: prüfen, kürzen, Zitate – aber nicht selbst schreiben.
-
GitHub-Datenbankausfall am 13. September: wie ein Aufräumjob die Primärdatenbank sättigte
Ein Aufräumjob sättigte bei GitHub den Primärknoten, während das Monitoring nur Replica Lag sah. Eine Analyse der Fehlerkette.
-
KI in der Mathematik: Was Bryna Kra über zerbrochene Maßstäbe und die Nivat-Vermutung schreibt
Bryna Kra beschreibt in einem Gastbeitrag, wie KI die Mathematik verändert: Beweise werden billig, Verständnis bleibt knapp.
-
Warum ein Cache-Hit keine gesparte Arbeit beweist: LLM Cache Verifikation auf Token-Ebene
Ein Cache-Hit beweist keine gesparte Arbeit. Ein synthetischer Token-Level-Test zeigt, warum erst Orakel, Work und Attestation zusammen zählen.
-
Anthropic-Bericht: Warum KI-Agenten an CAPTCHAs scheitern
Anthropic zeigt in einem Bericht: Mythos 5 schrieb einen Exploit, scheiterte aber hunderte Seiten lang an hCaptcha-Bilderrätseln.
-
KI-Evaluierung: Warum ein Score allein nichts über Modellleistung aussagt
Ein Score sagt wenig, solange unklar bleibt, was gemessen wurde. Wie Geschäftsentscheidungen, Datensatz-Design und Kalibrierung KI-Evaluierung bestimmen.
-
Cursor Projects: Wenn ein Koordinator-Agent hunderte Subagenten steuert
Cursor Projects steuert hunderte Subagenten über einen Koordinator-Agenten: shared context, Subscriptions und drei Arbeitsmuster im Überblick.
-
Gemini 3.8 Live und Extended Thinking: Googles neue Sprachmodelle für Voice Agents
Google stellt Gemini 3.8 Live und Extended Thinking vor: mehr Intelligenz für Voice Agents, paralleles Denken und Sprechen, 97 Sprachen.
-
ToolGrad dreht die Datensatzgenerierung um: erst die Tool-Kette, dann die Frage
ToolGrad erzeugt Trainingsdaten für KI-Agenten in umgekehrter Reihenfolge: erst die Tool-Kette, dann die Nutzerfrage – günstiger und mit höherer Erfolgsquote.
-
Frontier-Modelle in der Physik: Experten-Nachbewertung entlarvt fehlerhafte Benchmarks und nahende Sättigung
Eine Experten-Nachbewertung von sechs Physik-Benchmarks zeigt: Viele KI-Fehler waren Bewertungsfehler. Korrigiert steigen die Scores deutlich.
-
Beste Knowledge Engine Plattformen 2026: Wissensplattformen im Vergleich
Welche Knowledge-Engine-Plattformen 2026 zu welchem Team passen – und warum Vektordatenbanken und Graphdatenbanken nur Bausteine sind.
-
Warum die Cloud agentische KI ausbremst: Gartners Analyse von Latenz, Egress-Kosten und Hybrid-Edge-Architektur
Gartner sieht die Cloud als Bremse für agentische KI: Latenzgrenzen, Egress-Kosten und warum Hybrid Edge-Cloud zur strategischen Notwendigkeit wird.