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
anthropic19. Dezember 2025 · Q004198

Introducing Bloom: Automated behavioral evals

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic stellt Bloom vor, ein quelloffenes Framework, das Verhaltenstests für KI-Modelle automatisch erzeugt und bewertet. In den berichteten Validierungen trennte es auffällige Modellorganismen meist von Produktionsmodellen; die Übereinstimmung des besten Bewertungsmodells mit menschlichen Urteilen beruht auf 40 Transkripten. Der Beitrag verweist für technische Einzelheiten und Einschränkungen auf einen hier nicht enthaltenen Bericht.

Mittel

Anthropic beschreibt Bloom als quelloffenes Framework, das aus einer Verhaltensbeschreibung automatisch Testszenarien erstellt und die Häufigkeit des gesuchten Verhaltens bei KI-Modellen bewertet. Der Ablauf umfasst vier Stufen: Beschreibung verstehen, Szenarien entwerfen, Modellinteraktionen simulieren und Transkripte bewerten. Einstellungen wie Modell, Interaktionslänge und Vielfalt sind anpassbar; für reproduzierbare Ergebnisse sollen Bloom-Metriken zusammen mit dem jeweiligen Seed genannt werden. Bloom soll Petri ergänzen, indem es gezielt ein Verhalten über viele automatisch erzeugte Szenarien misst.

Als Beispiele nennt Anthropic Tests zu vier Verhaltenstypen bei laut Text 16 Frontier-Modellen; die Benchmark-Bildbeschreibung spricht von 17. Zur Validierung unterschied Bloom in neun von zehn Fällen gezielt verhaltensauffällige Modellorganismen von Produktionsmodellen. Bei 40 manuell bewerteten Transkripten korrelierte Claude Opus 4.1 am stärksten mit menschlichen Urteilen (Spearman 0,86), allerdings auf begrenzter Datengrundlage. Eine Fallstudie zur Selbstbevorzugung reproduzierte eine frühere Modellrangfolge und deutete darauf hin, dass stärkere Schlussfolgerungsleistung bei Sonnet 4 mit weniger Selbstbevorzugung einherging. Für technische Details und Einschränkungen verweist der Beitrag auf einen separaten Bericht, der hier nicht vorliegt.

Ausführlich lesen

Anthropic stellt Bloom als quelloffenes, agentisches Framework vor, das Verhaltenstests für KI-Modelle automatisch erzeugen und auswerten soll. Forschende geben ein zu untersuchendes Verhalten samt Konfiguration und gegebenenfalls Beispieltranskripten vor. Bloom erstellt daraus wechselnde Szenarien und schätzt, wie häufig und ausgeprägt das Verhalten in den Modellantworten auftritt. Anthropic begründet den Ansatz mit dem Aufwand und der begrenzten Haltbarkeit herkömmlicher Tests: Trainingsdaten können Tests vorwegnehmen, und leistungsfähigere Modelle können an bestehenden Aufgaben vorbeigeprüft werden.

Bloom ergänzt laut Bericht das zuvor veröffentlichte Petri. Petri untersucht vorgegebene Szenarien und verschiedene Verhaltensdimensionen; Bloom konzentriert sich auf ein bestimmtes Verhalten und generiert dafür viele Szenarien. Der Ablauf hat vier Stufen: Zunächst erschließt ein Agent aus der Verhaltensbeschreibung und Beispielen, was gemessen werden soll. Danach entwirft ein weiterer Agent passende Szenarien mit Situation, simuliertem Nutzer, Systemprompt und Umgebung. In den Durchläufen simuliert ein Agent Nutzer oder Werkzeuge, während das Zielmodell antwortet. Schließlich bewerten ein Richtermodell und ein Meta-Richter die einzelnen Transkripte und die Testsuite. Bloom bietet konfigurierbare Modelle, Interaktionslänge, Modalität, Vielfalt und zusätzliche Bewertungskriterien. Ergebnisse lassen sich unter anderem mit Weights & Biases verwalten und als Inspect-kompatible Transkripte exportieren. Für die Reproduzierbarkeit sind die verwendeten Seeds relevant; Anthropic empfiehlt, Bloom-Metriken stets zusammen mit dem Seed anzugeben.

Als Anwendungsbeispiele veröffentlicht Anthropic Ergebnisse zu vier Verhaltenstypen: wahnhaftem Zustimmen, angewiesenem Sabotieren über längere Interaktionen, Selbsterhaltung und Selbstbevorzugung. Die Tests umfassen laut Text 16 Frontier-Modelle und benötigten nach Angaben des Unternehmens jeweils nur wenige Tage für Konzeption, Überarbeitung und Erstellung. Die Bildbeschreibung zum Benchmark nennt allerdings 17 Modelle. Die berichteten Raten beruhen auf jeweils 100 Durchläufen; als vorhanden gewertet wird ein Verhalten bei einer Bewertung von mindestens 7 von 10. Fehlerbalken zeigen die Standardabweichung aus drei Wiederholungen. Claude Opus 4.1 wurde in allen Phasen als Bewertungsmodell eingesetzt.

Zur Validierung berichtet Anthropic, Bloom habe in neun von zehn Vergleichen gezielt verhaltensauffällige, per Systemprompt erzeugte „Modellorganismen“ von Produktionsmodellen unterschieden. Im zehnten Fall, Selbstwerbung, habe eine spätere manuelle Prüfung ergeben, dass auch das Basismodell das Verhalten ähnlich häufig zeigte. Beim Vergleich von 40 manuell bewerteten Transkripten mit elf Bewertungsmodellen erreichte Claude Opus 4.1 die stärkste Rangkorrelation mit menschlichen Urteilen (Spearman 0,86), gefolgt von Sonnet 4.5 (0,75). Das ist eine begrenzte Validierungsbasis; Anthropic merkt zudem an, Opus 4.5 sei zum Zeitpunkt dieser Untersuchung noch nicht veröffentlicht gewesen.

In einer Fallstudie zur Selbstbevorzugung reproduzierte Bloom laut Anthropic die Modellrangfolge einer früheren Sonnet-4.5-Systemkarten-Auswertung. Sonnet 4.5 habe unter den untersuchten Modellen die geringste Verzerrung gezeigt. Bei Sonnet 4 sei stärkere Rechenleistung fürs Schlussfolgern mit weniger Selbstbevorzugung verbunden gewesen, insbesondere zwischen mittlerer und hoher Stufe; das Modell habe häufiger den Interessenkonflikt erkannt und sich einer Bewertung enthalten. Anthropic berichtet außerdem, dass das Entfernen unrealistischer oder bewertungsbewusster Durchläufe die Aussagekraft verbessern könne und Rangfolgen bei verschiedenen Einstellungen weitgehend stabil blieben. Für technische Einzelheiten und Einschränkungen verweist der Beitrag auf einen separaten technischen Bericht; dessen Inhalt ist hier nicht enthalten.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte zwei Zusammenfassungen; geprüft wurde die mittlere, da sie den Bericht vollständiger abdeckt. Die kurze Fassung ist ebenfalls treu, aber sehr knapp. Der Bericht enthält keine Aussagen zu Pausenschwellen oder zur Selbstüberwachung eines Labors; die Einordnung der Sammelfragen stützt sich nur auf die Validierungs- und Reproduzierbarkeitsangaben. Die Anteilswerte aus Lunas Einordnung wurden nicht übernommen, da das Schema sie nicht vorsieht.

Im Bericht, aber nicht in der Zusammenfassung

  • Die vier getesteten Verhaltenstypen werden nicht benannt (delusional sycophancy, instructed long-horizon sabotage, self-preservation, self-preferential bias)
  • In der Fallstudie zeigt Sonnet 4.5 die geringste Selbstbevorzugung der vier getesteten Modelle
  • Die Modellrangfolgen bleiben bei veränderten Konfigurationen weitgehend stabil
  • Bei Sonnet 4 kam die geringere Selbstbevorzugung daher, dass das Modell den Interessenkonflikt erkannte und sich aus dem Urteil zurückzog

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • „stärkere Schlussfolgerungsleistung“ bei Sonnet 4: Der Bericht beschreibt erhöhten Denkaufwand (reasoning effort), nicht eine höhere Leistungsfähigkeit

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
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 27 %Hintergrund, keine Belege
    • Luna 44 %einzelne zitierbare Belege
    • JEV 37 %umfangreiche Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 23 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
  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 30 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 31 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 25 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 25 %Hintergrund, keine Belege
    • Luna 46 %einzelne zitierbare Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %Hintergrund, keine Belege
    • Luna 79 %umfangreiche Belege
    • JEV 48 %umfangreiche Belege
    • amos 34 %einzelne zitierbare Belege
    • SubQ 37 %einzelne zitierbare Belege
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare 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 3 · 25 % · Hintergrund, keine 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 3 · 32 % · Hintergrund, keine 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 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 5 · umfangreiche 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 · 34 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 26 %Hintergrund, keine Belege
    • Luna 56 %einzelne zitierbare Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 33 %Hintergrund, keine Belege
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 55 %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 21 %umfangreiche Belege
    • Luna 53 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 33 %umfangreiche Belege
    • SubQ 34 %einzelne zitierbare Belege
    • drex 34 %umfangreiche Belege
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare 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 · 41 % · 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 · 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 · 32 % · 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 · 54 % · 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 · 37 % · einzelne zitierbare Belege
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 3 · 28 % · 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 3 · 32 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 21 %Hintergrund, keine Belege
    • Luna 52 %einzelne zitierbare Belege
    • JEV 41 %umfangreiche Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 28 %einzelne zitierbare Belege
    • drex 26 %einzelne zitierbare Belege
    • 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 · 34 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 4 · 26 % · einzelne zitierbare Belege
    • SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit? Luna: Stufe 3 · 37 % · 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 53 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %Hintergrund, keine Belege
    • Luna 55 %Hintergrund, keine Belege
    • JEV 38 %umfangreiche Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • 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 · 37 % · 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 25 %Hintergrund, keine Belege
    • Luna 50 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 28 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 32 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 70 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Wirtschaft und Haftung

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 →