Claude Opus 5 Went From 30% to 100% on the Hardest AI Benchmark. The Benchmark’s Owner Won’t Count It.
Zusammenfassung
Kurz
Der Autor berichtet, dass drei Systeme auf den 25 öffentlichen ARC-AGI-3-Demospielen 100 Punkte erreichten, diese Werte nach den Regeln und der Bewertung des Benchmark-Erstellers aber nicht als offizielle Belege zählen. Unterschiede in Speicher, Agenten-Harness und Testbedingungen beeinflussen die Ergebnisse; der Bericht fordert unabhängige Tests auf halbprivaten Spielen und transparentere Angaben.
Mittel
Der Artikel ordnet drei gemeldete perfekte Ergebnisse beim Benchmark ARC-AGI-3 ein: Nvidia AVO, MITs VISTA und Memento 3 erreichten laut ihren Veröffentlichungen jeweils 100 Punkte, aber nur auf den 25 öffentlichen Demonstrationsspielen. Der Benchmark enthält zusätzlich 55 halbprivate und 55 private Spiele. Der Autor verweist auf ARC Prizes technische Regeln: Öffentliche Ergebnisse sollen nicht in die offizielle Rangliste eingehen; ausgeschlossen seien zudem Systeme, die mit Kenntnis dieser Spiele darauf zugeschnitten wurden. Er folgert, dass die drei Resultate diese Kriterien nicht erfüllen.
Die Systeme unterscheiden sich vor allem durch ihre Hilfskonstruktionen: Speicher und Aufsicht bei AVO, Bildverarbeitung bei VISTA und ein lernendes, in Python umgesetztes Regelbuch bei Memento 3. VISTA-Forschende können laut Bericht eine Aufnahme der öffentlichen Spiele in Trainingsdaten nicht ausschließen; das verwendete Modell von Memento 3 sei in der Berichterstattung nicht klar benannt. Ein von ARC Prize veröffentlichtes Werkzeug erreicht durch das Abspielen menschlicher Züge ebenfalls 100 auf den öffentlichen Spielen. Das beweise keinen Betrug, zeige aber die begrenzte Aussagekraft dieses Werts.
Als stärkeren Vergleich nennt der Autor GPT-6 Astra auf halbprivaten Spielen: Je nach Harness reichte das Ergebnis von 62,7 bis 99,9 Prozent. Daraus folgert er, dass die Testumgebung den Wert stark beeinflussen kann. Er hält die drei 100er für interessante Systemdemonstrationen, aber nicht für einen Beleg, ARC-AGI-3 sei gelöst. Unabhängige Tests auf halbprivaten Spielen und klarere Angaben zu Modellen und Kosten fehlten.
Ausführlich lesen
Der Bericht untersucht drei im Abstand weniger Wochen veröffentlichte Ergebnisse, die jeweils einen perfekten Wert von 100 beim interaktiven Puzzle-Benchmark ARC-AGI-3 melden: Nvidias AVO, das MIT-System VISTA sowie Memento 3 von Forschenden des University College London und Huawei. Der Autor stellt heraus, dass alle drei Ergebnisse ausschließlich auf den 25 öffentlichen Demonstrationsspielen beruhen. ARC-AGI-3 umfasst außerdem 55 halbprivate und 55 private Spiele, die in diesen Meldungen nicht ausgewertet wurden. Zwei Systeme verwendeten laut Bericht Claude Opus 5, obwohl ARC Prize das Modell im Juli mit 30,2 Prozent bewertet hatte.
Der Autor vergleicht die unterschiedlichen Agentenkonstruktionen anhand der veröffentlichten Arbeiten und Angaben. AVO kombiniert Opus 5 mit dauerhaftem Speicher und einer programmatischen Aufsicht, die bei Stillstand eingreift. VISTA verarbeitet Bildschirmbilder und meldet auf den öffentlichen Spielen 100 mit Opus 5 sowie 99 mit GPT-5.6 Sol. Die Forschenden räumen laut Artikel ein, dass ein Test auf privaten Spielen aussagekräftiger wäre und sie eine Aufnahme dieser Spiele in Trainingsdaten nicht ausschließen können. Memento 3 arbeitet mit einem veränderlichen Regelbuch, das in ein Python-Weltmodell übersetzt und nach Fehlvorhersagen angepasst wird; die Arbeit meldet, alle 25 öffentlichen Spiele mit weniger Aktionen als die menschliche Referenz abgeschlossen zu haben. Der Artikel kritisiert, dass die Berichterstattung das zugrunde liegende Modell von Memento 3 nicht benennt.
Als zentrale Einschränkung führt der Autor ARC Prizes technischen Bericht vom April an. Demnach seien die öffentlichen Demonstrationsspiele bewusst leichter gestaltet, und ARC Prize wolle deren Ergebnisse nicht in die offizielle Rangliste aufnehmen. Die Regeln schlössen außerdem Agenten aus, die mit Kenntnis der öffentlichen Spiele entwickelt und anschließend auf ihnen bewertet wurden, sowie speziell für ARC-AGI-3 gebaute Testumgebungen. Der Autor folgert, dass die drei perfekten Werte diese Bedingungen nicht erfüllen. Er weist zudem auf einen Widerspruch zwischen technischem Bericht und Einreichungsregeln zur Schwierigkeit der öffentlichen und halbprivaten Spiele hin, der laut Artikel ungeklärt bleibt.
Ein perfekter Wert auf dem öffentlichen Teil sei außerdem wenig aussagekräftig, weil ARC Prize selbst ein Werkzeug veröffentlicht habe, das durch Wiederholung menschlicher Spielzüge 100 Prozent erreicht. Das belege laut Autor keinen Betrug durch AVO, VISTA oder Memento 3; es zeige vielmehr, dass dieser Wert auf dem öffentlichen Satz allein keine belastbare Aussage über Intelligenz darstelle. Auch eine nicht verifizierte Community-Rangliste habe bereits vor Nvidias Ankündigung mehrere Werte nahe oder bei 100 enthalten.
Als aussagekräftigeren Vergleich beschreibt der Bericht ARC Prizes eigenen Test von GPT-6 Astra auf den 55 halbprivaten Spielen: 62,7 Prozent mit einem Standard-Harness und 96,7 bis 99,9 Prozent mit einem Provider-Adapter. Der Autor betont, dass der Unterschied bei gleichem Modell die starke Wirkung des Test-Harnesses zeige. Er fordert für die drei Systeme unabhängige Tests auf halbprivaten Spielen, Klarheit darüber, ob externe Harnesses verifiziert werden können, sowie konsistente Angaben zu Modellen und Kosten. Seine Schlussfolgerung: Die 100er-Werte seien interessante Systemdemonstrationen auf einem öffentlichen Demonstrationssatz, aber kein Beleg dafür, dass das Benchmark-Problem gelöst sei. Die Bewertung beruht auf der im Artikel wiedergegebenen Dokumentation und den dort genannten Quellen; der Autor kann mögliche Trainingsdaten-Kontamination nicht klären.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Zusammenfassung wurde am mittleren Text geprüft. Der kurze Text nennt Astras Ergebnisse und ist insgesamt treu, enthält aber ebenfalls keine erfundenen Angaben. Die Einordnung fällt niedrig aus, weil der Bericht einen Benchmark-Artikel zu ARC-AGI-3 darstellt und die Sammelfragen zur Governance von KI-Sicherheit betreffen.
Im Bericht, aber nicht in der Zusammenfassung
- Der Sprung von Claude Opus 5 von 30,2 % auf 100 % bei unverändertem Modell und die Rolle des Harness dabei
- Das verifizierte Ergebnis von GPT-6 Astra auf den halbprivaten Spielen: 62,7 % mit Standard-Harness gegenüber 96,7 bis 99,9 % mit Provider Adapter
- Die unverifizierten Leaderboard-Einträge vor Nvidias Ankündigung, darunter Tycho mit 100 %
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- 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 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- 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 24 %Hintergrund, keine Belege
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 24 %Hintergrund, keine Belege
- SubQ 25 %gleiches Oberthema, hilft nicht
- drex 23 %Hintergrund, keine Belege
- d3-ultra 50 %gleiches Oberthema, hilft nicht
- SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern?
- 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?
- SF-F1-T06 Welche unabhängige Prüfung des Maßstabs selbst auf Verzerrung je nach Modellarchitektur, auf Sprachabhängigkeit und auf Empfindlichkeit für die Trainingsherkunft des prüfenden Modells veröffentlichen die Beteiligten, bevor ein gemeinsamer Cyber-Maßstab angenommen wird, und wer führt sie unabhängig von den Laboren durch, deren Modelle er prüft?
- 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 45 %Hintergrund, keine Belege
- JEV 48 %beantwortet direkt und ausführlich
- amos 28 %einzelne zitierbare Belege
- SubQ 37 %gleiches Oberthema, hilft nicht
- drex 35 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen?
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 54 %Hintergrund, keine Belege
- JEV 49 %beantwortet teilweise oder widerspricht
- amos 29 %einzelne zitierbare Belege
- SubQ 35 %gleiches Oberthema, hilft nicht
- drex 25 %einzelne zitierbare Belege
- d3-ultra 45 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung Hintergrund, keine Belege
- SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen?
- SF-F4-T06 Wenn ein Prüfrahmen davon ausgeht, dass der Entwickler ein kommerzielles Frontier-Labor ist: Was gilt für ein Modell, das in einem Militärkommando, einem Geheimdienst oder bei einem Cloud-Anbieter entwickelt wird, der nach keiner bisher verwendeten Bezeichnung ein „Labor“ ist, und wer ist dann das Gegenüber für die Prüfung?
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 23 %Hintergrund, keine Belege
- JEV 37 %beantwortet teilweise oder widerspricht
- amos 25 %einzelne zitierbare Belege
- SubQ 30 %gleiches Oberthema, hilft nicht
- drex 30 %gleiches Oberthema, hilft nicht
- d3-ultra 44 %gleiches Oberthema, hilft nicht
- SF-P1-T01 Wie ließen sich unabhängige Zertifizierungsstellen für KI-Sicherheit schaffen, die alle Seiten anerkennen?
- SF-P1-T05 Welchen Ausrichtungstest (eine Prüfung, ob ein Modell den vorgesehenen Zielen und Werten folgt) würde ein Labor als bestanden anerkennen, wenn ein Konkurrent ihn durchführt, an dessen Modell und am eigenen?
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 37 %Hintergrund, keine Belege
- JEV 44 %umfangreiche Belege
- amos 26 %Hintergrund, keine Belege
- SubQ 36 %gleiches Oberthema, hilft nicht
- drex 28 %gleiches Oberthema, hilft nicht
- d3-ultra 42 %gleiches Oberthema, hilft nicht
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 16 %gleiches Oberthema, hilft nicht
- Luna 44 %umfangreiche Belege
- JEV 43 %beantwortet teilweise oder widerspricht
- amos 29 %einzelne zitierbare Belege
- SubQ 34 %einzelne zitierbare Belege
- drex 35 %einzelne zitierbare Belege
- d3-ultra 36 %einzelne zitierbare Belege
- Haiku-Prüfung 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?
- 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?
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 25 %einzelne zitierbare Belege
- amos 28 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 24 %gleiches Oberthema, hilft nicht
- Luna 54 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 29 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra 50 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung nur am Rande erwähnt
- 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?
- SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren?
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 27 %Hintergrund, keine Belege
- SubQ 34 %gleiches Oberthema, hilft nicht
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 18 %umfangreiche Belege
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 38 %gleiches Oberthema, hilft nicht
- JEV 45 %einzelne zitierbare Belege
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 46 %Hintergrund, keine Belege
- JEV 37 %umfangreiche Belege
- amos 25 %Hintergrund, keine Belege
- SubQ 42 %gleiches Oberthema, hilft nicht
- drex 37 %gleiches Oberthema, hilft nicht
- d3-ultra 51 %gleiches Oberthema, hilft nicht
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
- 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?
Agenten und vernetzte Systeme
- 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 32 %Hintergrund, keine Belege
- JEV 39 %einzelne zitierbare Belege
- amos 24 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 57 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 37 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 47 %Hintergrund, keine Belege
- JEV 33 %einzelne zitierbare Belege
- amos 27 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 29 %gleiches Oberthema, hilft nicht
- d3-ultra 38 %gleiches Oberthema, hilft nicht
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 27 %Hintergrund, keine Belege
- JEV 42 %umfangreiche Belege
- amos 26 %nur am Rande erwähnt
- SubQ 35 %gleiches Oberthema, hilft nicht
- drex 25 %gleiches Oberthema, hilft nicht
- d3-ultra 46 %gleiches Oberthema, hilft nicht
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 28 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 45 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 23 %einzelne zitierbare Belege
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- 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?
- Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- 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?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv