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
aisi29. April 2026 · Q001399

A Decision-Theoretic Formalisation of Steganography With Applications to LLM Monitoring

aisi.gov.uk · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der bereitgestellte Text ist nur der Abstract eines Berichts über einen entscheidungstheoretischen Ansatz, um verborgenes steganografisches Schlussfolgern in großen Sprachmodellen anhand unterschiedlicher Nutzbarkeit von Informationen zu erkennen und zu messen. Die Forschenden behaupten, ihr Verfahren sei empirisch geprüft und könne auch zur Minderung solcher Verhaltensweisen dienen; konkrete Versuchsdaten enthält der Auszug nicht.

Mittel

Der bereitgestellte Text enthält nur den Abstract des Forschungsbeitrags, keinen vollständigen Bericht. Darin untersuchen die Autorinnen und Autoren die Möglichkeit, dass große Sprachmodelle Informationen steganografisch verbergen und so Aufsicht umgehen. Sie argumentieren, klassische Erkennungsverfahren seien hier ungeeignet, weil sie eine bekannte Verteilung nicht steganografischer Signale voraussetzen, die für verborgenes LLM-Schlussfolgern nicht verfügbar sei.

Als Alternative schlagen sie einen entscheidungstheoretischen Ansatz vor: Steganografie könne dazu führen, dass ein Signal für Akteure mit Entschlüsselungsfähigkeit nützlicher ist als für solche ohne diese Fähigkeit. Diese Differenz soll aus beobachtbaren Handlungen erschlossen werden. Zur Messung führen die Forschenden verallgemeinerte 𝒢-Information und den „steganografischen Abstand“ ein, der den nachgelagerten Nutzen des Signals zwischen beiden Gruppen vergleicht. Laut Abstract wurde der Ansatz empirisch geprüft und könne zum Erkennen, Messen und Mindern steganografischen Schlussfolgerns in LLMs dienen. Konkrete Experimente, Kennzahlen und Details fehlen im vorliegenden Auszug.

Ausführlich lesen

Der bereitgestellte Text enthält hauptsächlich den Abstract eines Forschungsbeitrags von Usman Anwar und Mitautorinnen und Mitautoren; ein vollständiger Bericht liegt hier nicht vor. Die Zusammenfassung der Ergebnisse und des Vorgehens kann sich daher nur auf diesen Auszug stützen.

Der Beitrag behandelt die Möglichkeit, dass große Sprachmodelle Informationen steganografisch verbergen und dadurch Aufsicht umgehen könnten. Die Autorinnen und Autoren behaupten, dass solche Fähigkeiten bei LLMs zunehmend auftreten könnten. Sie sehen ein Problem darin, dass klassische Definitionen und Erkennungsverfahren eine bekannte Referenzverteilung gewöhnlicher, nicht steganografischer Signale voraussetzen. Für verborgenes Schlussfolgern in Sprachmodellen sei eine solche Verteilung praktisch nicht verfügbar, weshalb diese Ansätze nach ihrer Einschätzung nicht anwendbar seien.

Als Alternative schlagen sie eine entscheidungstheoretische Sichtweise vor. Ihr zentraler Gedanke: Ein verborgenes Signal kann für Akteure, die den Inhalt entschlüsseln können, nützlicher sein als für solche, die ihn nicht entschlüsseln können. Diese ungleiche Nutzbarkeit von Informationen sei zwar nicht unmittelbar sichtbar, könne aber aus den beobachtbaren Handlungen der beteiligten Akteure abgeleitet werden.

Zur Formalisierung führen die Forschenden verallgemeinerte „𝒢-Information“ ein, die sie als utilitaristischen Rahmen zur Messung nutzbarer Information beschreiben. Darauf aufbauend definieren sie den „steganografischen Abstand“: Er soll erfassen, wie stark sich der nachgelagerte Nutzen eines Signals für entschlüsselnde und nicht entschlüsselnde Akteure unterscheidet. Laut Abstract prüfen sie den Ansatz empirisch und berichten, dass er zur Erkennung, Quantifizierung und Minderung steganografischen Schlussfolgerns in LLMs eingesetzt werden könne.

Der Auszug nennt jedoch weder konkrete Experimente noch Messwerte, Vergleichsverfahren oder Einzelheiten zu den vorgeschlagenen Minderungsmaßnahmen. Die behauptete empirische Bestätigung und praktische Anwendbarkeit lassen sich anhand des bereitgestellten Textes daher nicht näher beurteilen.

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

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 7 von 7
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
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 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 31 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 %Hintergrund, keine Belege
    • Luna 46 %Hintergrund, keine Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 24 %einzelne zitierbare Belege
    • SubQ 31 %einzelne zitierbare Belege
    • drex 17 %beantwortet direkt und ausführlich
    • d3-ultra offen

    • 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 · 43 % · einzelne zitierbare Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 3 · 46 % · 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 4 · 37 % · einzelne zitierbare 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 · 33 % · 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 3 · 44 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 4 · 41 % · 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 · 35 % · 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 · 39 % · 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 3 · 39 % · Hintergrund, keine 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 · 35 % · einzelne zitierbare Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 21 %Hintergrund, keine Belege
    • Luna 48 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 28 %einzelne zitierbare Belege
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 · 37 % · Hintergrund, keine Belege
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 21 %Hintergrund, keine Belege
    • Luna 53 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 · 41 % · 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 100 %kein Bezug
    • JEV 29 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
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 60 %Hintergrund, keine Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

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 →