Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai2. November 2026 · Q000300

Training activation classifiers for safety and alignment

alignment.openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI beschreibt Probes als zusätzliche Sicherheitsüberwachung, die interne Modellaktivierungen während der Antwortgenerierung auswertet und bei auffälligen Werten die Ausgabe zur Prüfung stoppt. Der Bericht meldet Vorteile bei Effizienz und Jailbreak-Robustheit, betont aber den Bedarf an gelabelten Daten, die Bindung an bestimmte Modellstände und begrenzte Übertragbarkeit; die Abbildungen sind interne Experimente und nicht zwingend repräsentativ für eingesetzte Systeme.

Mittel

Der Bericht stellt Aktivierungs-Klassifikatoren („Probes“) als zusätzliche Schutzschicht vor. Sie lesen interne Modellaktivierungen und prüfen Antworten während ihrer Generierung. OpenAI zufolge können sie Ausgaben früh unterbrechen, sind effizient und zeigten in den beschriebenen Tests mehr Robustheit gegen Jailbreaks als textbasierte Klassifikatoren.

Die Probes nutzen meist Aktivierungen aus einer mittleren Modellschicht. Ihre Streaming-Architektur kombiniert ein MLP mit QV-Aufmerksamkeit; im Training werden Bewertungen über Antwortpräfixe per Softmax gebündelt. Trainiert wird mit synthetischen und anonymisierten Gesprächen, wobei leistungsfähige Modelle Labels vergeben. Die Auswahl erfolgt über Validierungsdaten, die Bewertung zusätzlich auf zurückgehaltenen und größeren einsatznahen Datensätzen. Im Betrieb löst ein überschrittener Schwellenwert das Anhalten der Ausgabe und eine weitere Prüfung aus.

OpenAI berichtet von guter Übertragbarkeit zwischen vielen Nachtrainingsständen, aber schwächerer zwischen Vortrainingsständen, sowie steigender Probe-Leistung bei leistungsfähigeren Modellen. Grenzen sind der Bedarf an gelabelten Beispielen, die Bindung an bestimmte Modellaktivierungen und mögliche Leistungseinbußen bei veränderten Gewichten. Die gezeigten Abbildungen beruhen auf internen Experimenten und müssen laut Bericht nicht den eingesetzten Klassifikatoren entsprechen.

Ausführlich lesen

Der Bericht beschreibt, wie OpenAI Aktivierungs-Klassifikatoren, kurz Probes, als zusätzliche Schutzschicht für Sicherheit und Alignment einsetzt. Nach Darstellung der Autorinnen und Autoren analysieren diese leichtgewichtigen Modelle interne Aktivierungen des überwachten Sprachmodells. Sie sollen unerwünschte Aktivitäten erkennen, etwa regelwidrige Antworten oder schädliche Absichten. Anders als textbasierte Klassifikatoren können Probes während der Antwortgenerierung fortlaufend prüfen und einen Antwortstrom unterbrechen. OpenAI berichtet außerdem, sie seien effizienter und bei Tests robuster gegen Jailbreaks gewesen als textbasierte Klassifikatoren. Diese Aussagen beziehen sich auf die beschriebenen Experimente und Tests.

Technisch erhält eine Probe Aktivierungen aus dem Residualstrom, meist aus einer mittleren Modellschicht, und gibt Klassifikationswerte aus. Die verwendete Architektur kombiniert ein MLP mit QV-Aufmerksamkeit und einem exponentiellen gleitenden Mittel. Laut Bericht verringert diese Mittelung den Speicherbedarf für Streaming, ohne die Vorhersagekraft gegenüber einem gleitenden Fenster wesentlich zu verändern. Ein lernbarer Bias soll das Training stabilisieren; Mehrfachausgabe-Probes teilen Gewichte für mehrere Klassifikationskategorien. Bei einem Vergleich reagierte die gewählte Architektur weniger stark auf harmlose vorangestellte Textteile als eine MultiMax-Architektur. Für das Training wird die Bewertung über Antwortpräfixe per Softmax zusammengefasst. Experimente zeigten laut OpenAI einen moderaten Vorteil dieser Methode gegenüber einer harten Maximumsbildung bei der Abwägung zwischen Erkennung und Eskalationsrate.

Für die Datengrundlage sammelt OpenAI Aktivierungen aus synthetischen und anonymisierten Gesprächen. Labels werden von leistungsfähigen Reasoning-Modellen vergeben. Typischerweise kommen bis zu eine Million Nachrichten zum Einsatz; die Autoren berichten Verbesserungen bis einschließlich dieser Größenordnung. Sie trainieren zahlreiche zufällige Initialisierungen und testen Hyperparameter. Die Modellauswahl erfolgt anhand eines Validierungssatzes, die abschließende Bewertung auf zurückgehaltenen Daten. Gemessen werden unter anderem Trefferquote auf einem kleinen sorgfältig gelabelten Datensatz und Eskalationsrate auf einem größeren, einsatznahen Datensatz. Automatisches und manuelles Red-Teaming dient der Prüfung auf Jailbreak-Robustheit.

Im Betrieb wertet die Probe jedes generierte Token aus. Überschreitet ein Wert einen Schwellenwert, wird die Ausgabe angehalten und eine Prüfung durch ein Reasoning-Modell veranlasst; Werkzeugaufrufe bleiben bis zur Freigabe blockiert. OpenAI berichtet von guter Übertragbarkeit zwischen vielen Nachtrainingsständen, aber eingeschränkterer Übertragbarkeit zwischen Vortrainingsständen. Außerdem habe die Probeleistung auf leistungsfähigeren Modellen zugenommen.

Der Bericht benennt klare Grenzen: Probes benötigen gelabelte Beispiele und erkennen daher nur zuvor definierte, messbare Kategorien. Sie sind an die Aktivierungen eines bestimmten Modells gebunden und müssen für neue vortrainierte Basismodelle neu trainiert werden; bei auseinanderlaufenden Modellgewichten kann ihre Leistung nachlassen. Adaptive Angriffe können Schutzsignale ausnutzen, weshalb Red-Teaming nötig bleibt. Schließlich betont OpenAI, dass die gezeigten Abbildungen aus internen Experimenten stammen und nicht unbedingt die eingesetzten Klassifikatoren repräsentieren.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen von Luna geben den Bericht sachlich korrekt wieder und erfinden keine Angaben. Die Einordnung der Sammelfragen liegt bei Luna in mehreren Fällen zu hoch, besonders bei SF-T1-T05 (Stufe 4 statt 1), da der Bericht zu Ausrichtung gegenüber Fähigkeiten nichts aussagt. Der Bericht ist ein technischer Beitrag zu Aktivierungs-Probes und beantwortet die Sicherheitsfragen daher nur am Rande.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Probes laufen auf internem und externem Verkehr der leistungsfähigsten Modelle, nicht nur in Tests.
  • Die Probes sind nur ein Baustein eines größeren Überwachungssystems mit modellbasierter Prüfung, automatisierter Untersuchung und menschlicher Reaktion.
  • Der Bericht ordnet Probes als Ergänzung zu textbasierten Klassifikatoren ein, nicht als Ersatz.
  • Probes müssen für jedes neue Basismodell neu trainiert werden, auch innerhalb einer Modellfamilie kann die Leistung mit wachsender Gewichtsabweichung sinken und periodisches Neutrainieren nötig machen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV offen
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 28 %Hintergrund, keine Belege
    • JEV offen
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV offen
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV offen
    • amos 25 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-F4-T04 Wie wird ein Modell als sicher bescheinigt, bevor es von einem harmlosen Bereich wie Chat in einen folgenreichen Einsatzbereich wie Angriff, Führung und Kontrolle oder Cyber wechselt, in dem seine Entwickler es nie eingesetzt haben, und welches gemeinsame Verfahren erkennt gefährliches, neu auftretendes Verhalten vor dem Wechsel? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %Hintergrund, keine Belege
    • Luna 67 %einzelne zitierbare Belege
    • JEV offen
    • amos 34 %einzelne zitierbare Belege
    • SubQ 37 %einzelne zitierbare Belege
    • drex 40 %einzelne zitierbare Belege
    • d3-ultra 42 %einzelne zitierbare Belege
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV offen
    • amos 29 %einzelne zitierbare Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 21 %einzelne zitierbare Belege
    • d3-ultra 25 %Hintergrund, keine Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV offen
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 4 · 29 % · einzelne zitierbare Belege
    • SF-T3-T05 Wenn Selbstverbesserung schneller voranschreitet als der Beobachtungstakt fortlaufender Prüfer: Wie kurz muss dieser Takt sein, und wer darf zwischen zwei Beobachtungen eine Pause durchsetzen: der Prüfer, das Labor oder eine Stelle von außen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 17 %einzelne zitierbare Belege
    • Luna 40 %Hintergrund, keine Belege
    • JEV offen
    • amos 26 %umfangreiche Belege
    • SubQ 34 %einzelne zitierbare Belege
    • drex 31 %umfangreiche Belege
    • d3-ultra 35 %einzelne zitierbare Belege

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 4 · 36 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V1-T04 Wie misst man die Überwachbarkeit des Denkens mit einem gemeinsamen, reproduzierbaren Maßstab, bevor sie versagt, und wie prüft man verlässlich, ob das sichtbare Denken das tatsächliche Vorgehen des Modells treu wiedergibt, auch wenn Modelle lernen, ihre Denkschritte zu optimieren? Und wenn Überwachungsergebnisse beeinflussen, welche Trainingsdaten oder Zwischenstände behalten werden: Wie prüft man, ob diese Auswahl weniger erkennbares Fehlverhalten statt weniger Fehlverhalten begünstigt, auch wenn der Denktext nie direkt bewertet wird? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T05 Mit welchen empirischen Tests prüft man, ob Training mit synthetischen Daten und gegnerischen Denkspuren, auch von geopolitischen Rivalen, die Überwachbarkeit verschlechtert, und verpflichten sich Labore, alle synthetischen Trainingsdaten kryptografisch zu signieren? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-V1-T06 Was bedeutet Aufsicht, wenn man das Denken, auf das man sich am meisten verlässt, nicht mehr verlässlich überwachen kann? Und wenn ein Labor die Gedankenkette verbirgt, um sie vor dem Druck zu schützen, der entstünde, wenn sie im Training bewertet würde: Wer kann seine Sicherheitsdarstellung dann noch widerlegen? Luna: Stufe 4 · 30 % · einzelne zitierbare Belege
    • SF-V1-T08 Da Modelle Tests täuschen können: Welche Prüfungen und welche Gegenprüfungen, die ins Innere des Modells schauen, werden Labore für Dritte bündeln, und wer außerhalb des jeweiligen Labors sieht die Ergebnisse? Wie können Labore gemeinsame Tests für das Umgehen von Prüfungen bauen, an denen eine Manipulation erkennbar bleibt, ohne eigene Datensätze preiszugeben? Luna: Stufe 3 · 25 % · Hintergrund, keine Belege
    • SF-V1-T09 Wenn Labore bessere Überwacher bauen, Modelle lernen, ihnen auszuweichen, und sich dieses Wechselspiel in jedem Labor beschleunigt: Behandeln Regierungen diesen Wettlauf selbst als Sicherheitsfrage zwischen Staaten, und welche gemeinsamen Belege würden zeigen, dass er beherrscht ist? Luna: Stufe 3 · 47 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 4 · 48 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 23 %Hintergrund, keine Belege
    • Luna 41 %einzelne zitierbare Belege
    • JEV offen
    • amos 29 %einzelne zitierbare Belege
    • SubQ 25 %einzelne zitierbare Belege
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra 38 %Hintergrund, keine Belege

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV offen
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 19 %Hintergrund, keine Belege
    • Luna 42 %einzelne zitierbare Belege
    • JEV offen
    • amos 32 %einzelne zitierbare Belege
    • SubQ 28 %einzelne zitierbare Belege
    • drex 37 %einzelne zitierbare Belege
    • d3-ultra 48 %einzelne zitierbare Belege

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV offen
    • amos 25 %einzelne zitierbare Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 39 %nur am Rande erwähnt
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 19 %Hintergrund, keine Belege
    • Luna 54 %einzelne zitierbare Belege
    • JEV offen
    • amos 32 %einzelne zitierbare Belege
    • SubQ 24 %einzelne zitierbare Belege
    • drex 39 %einzelne zitierbare Belege
    • d3-ultra 46 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege
Modelle teilen und schützen
  1. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV offen
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV offen
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 75 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV offen
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →