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

● Fragen-Atlas · Quellen aus dem Archiv

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?

2.417 Berichte ab Stufe 3 bei mindestens einem Modell, stärkste zuerst.

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. NOLA Alignment Workshop 2023 farai · 2026 · Q001362 · Hintergrund, keine Belege · ohne Zusammenfassung
  2. Predictability and surprise in large generative models anthropic · 2022 · Q001373 · Hintergrund, keine Belege · ohne Zusammenfassung
  3. Announcing Apollo Research apollo · Q001376 · Hintergrund, keine Belege

    Apollo Research will täuschende KI durch Interpretierbarkeitsforschung, Modellevaluationen, externe Audits und Governance-Arbeit besser erkennen; die Wirksamkeit der frühen Ansätze ist laut Bericht noch ungeklärt.

  4. Apollo Update May 2026 apollo · Q001416 · Hintergrund, keine Belege

    Apollo kündigt den Ausbau von KI-Sicherheitsforschung, Agentenüberwachung und Governance an und beschreibt dabei offene Forschungsfragen sowie geplante Büros und Produkte.

  5. What’s New at FAR.AI farai · 2026 · Q001427 · Hintergrund, keine Belege · ohne Zusammenfassung
  6. Decoding Safety Feedback from Diverse Raters: A Data-driven Lens on Responsiveness to Severity deepmind · 2026 · Q001449 · Hintergrund, keine Belege

    Der Abstract-Auszug stellt Kennzahlen zur Analyse pluralistischer Sicherheitsbewertungen vor und behauptet, sie könnten die Interpretation von Feedback verbessern; konkrete Belege und Details fehlen.

  7. Drawing-up a General-Purpose AI Code of Practice eu · Q001505 · Hintergrund, keine Belege

    Der Bericht beschreibt den breit angelegten Prozess zur Ausarbeitung des freiwilligen GPAI-Kodex und einer Vorlage für Trainingsdaten-Zusammenfassungen, erläutert aber die konkreten Kodexregeln nicht ausführlich.

  8. Will it become harder to oversee AI systems? aisi · 2026 · Q001521 · Hintergrund, keine Belege

    Laut dem vorgestellten AISI-Bericht könnte die Aufsicht über fortgeschrittene KI-Systeme an Wirkung verlieren; bestehende Kontrollen sollten deshalb erhalten, ihre Schwachstellen gemessen und neue Verfahren entwickelt werden.

  9. Loss of Oversight: How AI systems may become harder to audit, monitor, and investigate aisi · 2026 · Q001536 · Hintergrund, keine Belege

    Der bereitgestellte Auszug berichtet, dass die Grundlagen heutiger KI-Aufsicht laut den Autoren ohne Gegenmaßnahmen wahrscheinlich erodieren, und empfiehlt, Aufsichtsmöglichkeiten zu erhalten und neue Verfahren zu entwickeln.

  10. EU international engagement on Artificial Intelligence eu · Q001584 · Hintergrund, keine Belege

    Die EU will über das AI Office internationale KI-Forschung, Sicherheit und Anwendungen zum öffentlichen Nutzen fördern; der Bericht beschreibt Ziele und Vorhaben, enthält aber keine Wirkungsbewertung.

  11. Propensity Inference: Environmental Contributors to LLM Behaviour aisi · 2026 · Q001641 · Hintergrund, keine Belege

    Der vorliegende Abstract berichtet, dass strategische und nicht strategische Umweltfaktoren das Verhalten von Sprachmodellen etwa gleich stark erklären.

  12. Review of the "Risks from automated R&D" section in the Anthropic Risk Report (February 2026) metr · 2026 · Q001677 · Hintergrund, keine Belege

    Der vorliegende Text ist ein Auszug: METR hält Anthropic zufolge das Risiko automatisierter Forschung durch Opus 4.6 für sehr gering, findet die Belege im Bericht dafür aber unzureichend.

  13. Introducing Trusted Access for Cyber openai · 2026 · Q001696 · Hintergrund, keine Belege

    OpenAI startet einen Pilot für geprüften Zugang zu Cybersecurity-Modellen und kündigt 10 Millionen US-Dollar an API-Gutschriften für defensive Sicherheitsarbeit an.

  14. Post by @smperng on X x.com · 2026 · Q001697 · Hintergrund, keine Belege · ohne Zusammenfassung
  15. Post by @sreekanti on X x.com · 2026 · Q001704 · Hintergrund, keine Belege · ohne Zusammenfassung
  16. Harnessing frontier AI for cyber defence aisi · 2026 · Q001784 · Hintergrund, keine Belege

    Der Auszug kündigt einen AISI-NCSC-Beitrag über mögliche KI-Unterstützung für die Cyberabwehr an, enthält aber keine konkreten Methoden oder Ergebnisse.

  17. Turning AI ambition into action: How the OECD is engaging at India’s AI Impact Summit oecd · 2026 · Q001807 · Hintergrund, keine Belege

    Die OECD kündigt Beiträge zum India AI Impact Summit 2026 an und beschreibt mögliche Ziele, doch der Text belegt keine späteren Ergebnisse.

  18. A pipeline for transcript analysis using Inspect Scout aisi · 2026 · Q001826 · Hintergrund, keine Belege

    Inspect Scout soll KI-Transkripte mit gezielten, zu validierenden Scannern systematisch auswerten; der Bericht skizziert dafür sieben Schritte und betont, dass offene Fragen verbleiben.

  19. Impact of modeling assumptions on time horizon results metr · 2026 · Q001832 · Hintergrund, keine Belege

    METR zufolge beeinflussen Modellierungsannahmen die Zeithorizont-Schätzungen, doch die größte Unsicherheit bleibt die Aufgabenauswahl und die ungenaue Messung ihrer Schwierigkeit für Modelle.

  20. Seven simple steps for log analysis in AI systems aisi · 2026 · Q001895 · Hintergrund, keine Belege

    Nur ein Abstract-Auszug: Der Bericht kündigt eine Inspect-Scout-gestützte Pipeline für reproduzierbarere Analysen von KI-Systemlogs an, beschreibt die sieben Schritte aber nicht.

  21. Jailbreak-Tuning: Models Efficiently Learn Jailbreak Susceptibility farai · 2026 · Q001960 · Hintergrund, keine Belege · ohne Zusammenfassung
  22. When AI Builds AI cset · 2026 · Q001965 · Hintergrund, keine Belege

    Der bereitgestellte Auszug aus dem CSET-Executive-Summary sieht automatisierte KI-Forschung als mögliche strategische Überraschung und plädiert trotz erheblicher Unsicherheit für bessere Daten und Transparenz.

  23. AI-Nuclear Workstream fmf · 2025 · Q001990 · Hintergrund, keine Belege · ohne Zusammenfassung
  24. Translation Snapshot: Chinese Generative AI Safety Standards cset · 2025 · Q002051 · Hintergrund, keine Belege

    CSETs Überblick beschreibt chinesische GenAI-Sicherheitsstandards, ihre politische Ausrichtung und die Grenzen der verfügbaren Texte, während die praktische Befolgung laut Bericht unklar bleibt.

  25. The Singapore Consensus on Global AI Safety Research Priorities farai · 2026 · Q002087 · Hintergrund, keine Belege · ohne Zusammenfassung
  26. Towards Guaranteed Safe AI: A Framework for Ensuring Robust and Reliable AI Systems farai · 2026 · Q002102 · Hintergrund, keine Belege · ohne Zusammenfassung
  27. Deepening our partnership with Google DeepMind aisi · 2025 · Q002138 · Hintergrund, keine Belege

    Der kurze Bericht kündigt gemeinsame Forschung des AI Security Institute und Google DeepMind zu KI-Sicherheit und gesellschaftlichen Auswirkungen an, ohne bereits erzielte Ergebnisse zu nennen.

  28. Mapping the limitations of current AI systems aisi · 2025 · Q002195 · Hintergrund, keine Belege

    Der AISI-Blog sieht trotz Fortschritten erhebliche, teils unsichere Hürden auf dem Weg zu KI, die den Großteil kognitiver Arbeit automatisieren kann.

  29. Confidence-Building Measures for Artificial Intelligence cset · 2023 · Q002211 · Hintergrund, keine Belege

    Der Auszug nennt sechs mögliche vertrauensbildende Maßnahmen gegen Sicherheitsrisiken von Foundation Models, liefert aber keine Details zu ihrer Umsetzung oder Wirksamkeit.

  30. Defending Against Intelligent Attackers at Large Scales cset · 2025 · Q002221 · Hintergrund, keine Belege

    Der vorliegende Auszug berichtet, dass kleine Verbesserungen der Verteidigung laut einer mathematischen Analyse exponentiell mehr oder schnellere unabhängige Angriffe ausgleichen könnten.

  31. SweetSpecter: China-linked cyber activity openai · 2024 · Q002226 · Hintergrund, keine Belege

    OpenAI zufolge versuchte die mutmaßliche Gruppe SweetSpecter, Phishing und ChatGPT für Cyberaktivitäten einzusetzen, doch die E-Mails wurden blockiert und der KI-Einsatz brachte offenbar keine neuartigen Fähigkeiten.

  32. Vixen and Keyhole Panda: China-linked cyber operations openai · 2025 · Q002286 · Hintergrund, keine Belege

    OpenAI berichtet von gesperrten Konten China zugeschriebener Akteure und erklärt, keinen Hinweis auf neuartige Fähigkeiten durch den Modellzugang gefunden zu haben.

  33. Infrastructure noise in agentic coding evals anthropic · 2026 · Q002320 · Hintergrund, keine Belege · ohne Zusammenfassung
  34. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity metr · 2025 · Q002359 · Hintergrund, keine Belege

    METR berichtet für eine Studie von Anfang 2025, dass erfahrene Open-Source-Entwickler mit KI bei ihren Aufgaben im Schnitt 19 Prozent länger brauchten, betont aber die begrenzte Übertragbarkeit und erklärt die Ergebnisse inzwischen für überholt.

  35. From bugs to bypasses: adapting vulnerability disclosure for AI safeguards aisi · 2025 · Q002416 · Hintergrund, keine Belege

    Der Auszug sieht mögliche Vorteile öffentlicher Schwachstellenprogramme für KI, betont aber, dass sie gründliche Sicherheitsarbeit nicht ersetzen und allein keine Sicherheit belegen.

  36. Exploring institutions for global AI governance deepmind · 2023 · Q002424 · Hintergrund, keine Belege

    Ein Whitepaper skizziert vier mögliche Institutionen für globale KI-Governance, betont aber, dass ihre Umsetzung mit erheblichen offenen Fragen verbunden ist.

  37. Interpretability anthropic · Q002452 · Hintergrund, keine Belege · ohne Zusammenfassung
  38. CyberAv3ngers: Iran-linked cyber research activity openai · 2024 · Q002556 · Hintergrund, keine Belege

    OpenAI berichtet von gesperrten, mutmaßlich CyberAv3ngers zugehörigen Konten und bewertet deren KI-Nutzung als begrenzte Unterstützung ohne neue Fähigkeiten.

  39. Cyber Operation: Phishing and scripting support openai · 2025 · Q002583 · Hintergrund, keine Belege

    OpenAI sperrte Konten, die ChatGPT laut Bericht vor allem für mehrsprachiges Phishing und Unterstützung bestehender Cyberabläufe nutzten; neuartige Angriffsfähigkeiten oder die Umsetzung einer erwogenen Automatisierung konnte das Unternehmen nicht belegen.

  40. Election information and safeguards in 2026 openai · 2026 · Q002699 · Hintergrund, keine Belege

    OpenAI stellt eigene Wahl-Schutzmaßnahmen für 2026 vor, liefert im Bericht aber keine unabhängigen Wirksamkeitsnachweise und betont, dass KI-Herkunftswerkzeuge Täuschung nicht allein verhindern.

  41. Anticipating AI’s Impact on the Cyber Offense-Defense Balance cset · 2025 · Q002703 · Hintergrund, keine Belege

    Der vorliegende Auszug sieht KI als ambivalenten Einfluss auf Cyberangriff und -verteidigung; welche Seite profitiert, ist ungewiss und hängt auch von technischen und organisatorischen Entscheidungen ab.

  42. Lessons from a chimp: AI "scheming" and the quest for ape language aisi · 2025 · Q002705 · Hintergrund, keine Belege

    Nur der Abstract liegt vor: Er fordert, die Forschung zu möglichem KI-Scheming aus den methodischen Fehlern früherer Primaten-Sprachforschung lernen zu lassen.

  43. Issue Brief: Foundational Security Practices fmf · 2024 · Q002747 · Hintergrund, keine Belege · ohne Zusammenfassung
  44. 38b798d pai · 2021 · Q002781 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt, ML-Systeme von der Planung bis zur Überwachung zu dokumentieren, hält aber fest, dass Transparenz Risiken birgt und wichtige Umsetzungsfragen offen sind.

  45. Advancing the field of systemic AI safety: grants open aisi · 2024 · Q002815 · Hintergrund, keine Belege

    Das AISI stellte Fördermittel für Forschung zu gesellschaftlichen KI-Risiken und möglichen Gegenmaßnahmen bereit, berichtet im Text aber noch keine Ergebnisse des Programms.

  46. Year in Review: Building a Safer Future Together fmf · 2023 · Q002948 · Hintergrund, keine Belege · ohne Zusammenfassung
  47. ARC Evals is spinning out from ARC metr · 2023 · Q002996 · Hintergrund, keine Belege

    ARC Evals soll unter Beth Barnes als eigenständige Evaluierungsorganisation ausgegründet werden; ein neuer Name war noch offen.

  48. How countries are implementing the OECD Principles for Trustworthy AI oecd · 2023 · Q003111 · Hintergrund, keine Belege

    Laut OECD setzen Staaten die KI-Grundsätze mit vielfältigen Strategien und Maßnahmen um, doch der Beitrag dokumentiert vor allem Beispiele und belegt nicht vergleichend deren Wirksamkeit.

  49. 39050dc pai · 2021 · Q003133 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt eine kontextbezogene Dokumentation von ML-Tests, Integration und Wartung, macht aber zugleich auf Sicherheits-, Zeit- und Haftungsrisiken aufmerksam.

  50. 9fea3d1 pai · 2021 · Q003166 · Hintergrund, keine Belege

    Der bereitgestellte Auszug beschreibt Literaturvorschläge für transparente ML-Dokumentation über Entwicklung und Einsatz hinweg, ohne deren Wirksamkeit selbst empirisch zu belegen.

  51. Anthropic is endorsing SB 53 anthropic · 2025 · Q003269 · Hintergrund, keine Belege

    Anthropic unterstützt SB 53 als Transparenz- und Sicherheitsrahmen für große KI-Entwickler, sieht aber Nachbesserungsbedarf bei der Erfassung von Modellen, den Offenlegungspflichten und der Anpassung der Regeln.

  52. Proportional oversight for AI model updates can boost AI adoption oecd · 2025 · Q003302 · Hintergrund, keine Belege

    Der Bericht empfiehlt risikogestufte Prüfungen und laufende Überwachung von KI-Modellupdates; seine Befunde beruhen auf 143 Änderungsprotokollen von fünf Anbietern und zeigen potenzielle, nicht nachgewiesene Schäden.

  53. Key Concepts in AI Safety: An Overview cset · 2021 · Q003433 · Hintergrund, keine Belege

    Der bereitgestellte Auszug beschreibt drei technische Bereiche der KI-Sicherheit – Robustheit, Assurance und Spezifikation – und grenzt sie von nicht behandelten Einführungsfragen ab.

  54. Putting Teeth into AI Risk Management cset · 2024 · Q003449 · Hintergrund, keine Belege

    Der Auszug empfiehlt, KI-Risikostandards mithilfe risikobasierter Bundesbeschaffung durchzusetzen und dabei aus der Cybersicherheit zu lernen.

  55. As language models and generative AI take the world by storm, the OECD is tracking the policy implications oecd · 2023 · Q003529 · Hintergrund, keine Belege

    Der OECD-Beitrag sieht Chancen in KI-Sprachmodellen, warnt vor schwer kontrollierbaren gesellschaftlichen Risiken und fordert weitere Forschung, Standards und Zusammenarbeit.

  56. A Rosetta Stone for AI benchmarks epoch · 2025 · Q003657 · Hintergrund, keine Belege

    Ein statistisches Modell soll KI-Benchmarks vergleichbar machen; die daraus abgeleiteten Fortschritts- und Effizienztrends beruhen auf einer vereinfachenden Fähigkeitszahl und Daten bis November 2025.

  57. A global workspace in language models anthropic · 2026 · Q003793 · Hintergrund, keine Belege · ohne Zusammenfassung
  58. Introducing the Anthropic Cyber Mission anthropic · 2026 · Q003851 · Hintergrund, keine Belege

    Anthropic kündigt KI-gestützte Sicherheitsprogramme für kritische Infrastruktur und Open-Source-Projekte an, deren Wirkung laut Bericht noch nicht nachgewiesen ist.

  59. Natural Language Autoencoders anthropic · 2026 · Q003886 · Hintergrund, keine Belege · ohne Zusammenfassung
  60. AI Accidents: An Emerging Threat cset · 2021 · Q003942 · Hintergrund, keine Belege

    Der vorliegende Auszug warnt vor möglichen KI-Unfällen und empfiehlt Informationsaustausch, Sicherheitsforschung, Standards, Tests und internationale Zusammenarbeit.

  61. Gemma Scope 2: Helping the AI Safety Community Deepen Understanding of Complex Language Model Behavior deepmind · 2025 · Q003957 · Hintergrund, keine Belege

    Gemma Scope 2 soll die Untersuchung interner Abläufe von Gemma-3-Modellen erleichtern; die beschriebenen Sicherheitsanwendungen sind Möglichkeiten, deren Wirksamkeit der Bericht nicht systematisch nachweist.

  62. Patch the Planet: global response coordination as agents uncover critical vulnerabilities openai · 2026 · Q004105 · Hintergrund, keine Belege

    OpenAI berichtet über eine koordinierte Behebung kritischer PHP-Schwachstellen und legt einen Vorschlag für künftige Reaktionen vor, den die Sicherheitsgemeinschaft mit Blick auf Nutzen, Risiken und offene Fragen prüfen soll.

  63. Claude's constitution anthropic · 2023 · Q004109 · Hintergrund, keine Belege

    Anthropic zufolge steuert Constitutional AI das Modelltraining mithilfe expliziter, noch vorläufiger Prinzipien; eigene Tests zeigten laut Unternehmen hilfreiche und weniger schädliche Antworten.

  64. Can AI learn from experience? EBR-Bench results epoch · 2026 · Q004263 · Hintergrund, keine Belege

    Laut Epoch AI lernen die getesteten KI-Modelle beim wiederholten Spielen von *Earthborne Rangers* bislang kaum dazu, wobei der Test nur den Spieleinstieg abdeckt und die Expertenreferenz vorläufig ist.

  65. Hacking AI cset · 2020 · Q004346 · Hintergrund, keine Belege

    Der Auszug warnt vor Cyberrisiken maschinellen Lernens und plädiert für fallbezogene Abwägung, widerstandsfähige Systeme und Vorsicht bei offensiven Angriffen.

  66. Solipsistic superintelligence is unlikely to be cooperative deepmind · 2026 · Q004531 · Hintergrund, keine Belege

    Der bereitgestellte Bericht ist nur ein Abstract-Auszug, in dem die Verfassenden für kooperationsorientierte KI-Entwicklung plädieren, weil einseitige Optimierung durch den Einsatz die eigenen Bedingungen verändern kann.

  67. 生成式人工智能服务管理暂行办法_中央网络安全和信息化委员会办公室 fragen-funde · Q004573 · Hintergrund, keine Belege · ohne Zusammenfassung
  68. https://www.whitehouse.gov/wp-content/uploads/2025/02/M-25-22-Driving-Efficient-Acquisition-of-Artificial-Intelligence-in-Government.pdf fragen-funde · Q004643 · Hintergrund, keine Belege · ohne Zusammenfassung
  69. Measuring AI Development cset · 2021 · Q004768 · Hintergrund, keine Belege

    Der vorliegende Auszug skizziert einen Ansatz, der Publikationsanalysen, Fachwissen und Benchmarks zur fortlaufenden Beobachtung von KI-Entwicklungen verbinden soll, nennt aber keine Ergebnisse der Fallbeispiele.

  70. Open vs. closed AI: How behind are open models? epoch · 2024 · Q005049 · Hintergrund, keine Belege

    Der bereitgestellte Quelltext enthält den Hauptteil, aber nicht die Anhänge vollständig; der Bericht schätzt den Rückstand offener KI-Modelle auf etwa ein Jahr, während Effizienz und künftige Entwicklung unsicher bleiben.

  71. Post by @thesupermannx on X fragen-funde · 2026 · Q005067 · Hintergrund, keine Belege · ohne Zusammenfassung
  72. METR Finds Anthropic's AI-Assisted R&D Moving Twice as Fast fragen-funde · 2026 · Q005118 · Hintergrund, keine Belege

    METR zufolge beschleunigte KI-Unterstützung Anthropics Modellentwicklung wahrscheinlich deutlich, doch redigierte Daten und begrenzte Messmethoden lassen die genaue Größenordnung offen.

  73. One Size Does Not Fit All cset · 2023 · Q005194 · Hintergrund, keine Belege

    Der vorliegende Auszug stellt CSETs Vorhaben vor, vielfältige und skalierbare Verfahren zur KI-Bewertung zu untersuchen, und enthält noch keine konkreten Forschungsergebnisse.

  74. Alberta uses Claude to find and fix security vulnerabilities anthropic · 2026 · Q005243 · Hintergrund, keine Belege

    Anthropic berichtet, Alberta nutze Claude Code für Sicherheitsprüfungen und Modernisierung von Regierungssystemen; Umfang und Zeitersparnis beruhen auf Angaben und Schätzungen der Provinz.

  75. U.S. Military Investments in Autonomy and AI: A Strategic Assessment cset · 2020 · Q005254 · Hintergrund, keine Belege

    Der bereitgestellte Auszug ist nur die Executive Summary: Der Bericht empfiehlt, den militärischen Nutzen von KI mit besserer Forschung, Schulung und durchgängigen Sicherheitsmaßnahmen abzusichern.

  76. Circle of trust: Six steps to foster the effective development of tools for trustworthy AI in the UK and the United States oecd · 2024 · Q005454 · Hintergrund, keine Belege

    Der Beitrag berichtet über mehr als 200 KI-Vertrauenswerkzeuge in den USA und im Vereinigten Königreich und schlägt sechs Schritte für bessere Zusammenarbeit, Bewertung und gemeinsame Ressourcen vor.

  77. AI Safety, Security, and Stability Among Great Powers: Options, Challenges, and Lessons Learned for Pragmatic Engagement cset · 2019 · Q005518 · Hintergrund, keine Belege

    Der Auszug plädiert für pragmatischen Austausch zur Verringerung von KI-Risiken, weist aber auf den Zielkonflikt hin, dass Kooperation zugleich militärische Fähigkeiten verbessern könnte.

  78. Military AI Cooperation Toolbox cset · 2021 · Q005526 · Hintergrund, keine Belege

    Der bereitgestellte Executive-Summary-Auszug empfiehlt, vorhandene US-Kooperationsmechanismen für militärische KI stärker zu nutzen; er benennt dabei offene Hürden und eine Unterrepräsentation indopazifischer Partner.

  79. UK and OECD.AI come together to give AI actors a valuable resource for trustworthy AI oecd · 2024 · Q005545 · Hintergrund, keine Belege

    Britische KI-Absicherungs-Fallstudien sollen international über den OECD-Katalog verbreitet werden; der Bericht beschreibt erwartete Vorteile, aber keine belegten Wirkungen.

  80. AI and the Future of Cyber Competition cset · 2021 · Q005585 · Hintergrund, keine Belege

    Laut einer ausdrücklich spekulativen Analyse könnte maschinelles Lernen Cyberoperationen destabilisieren, weil Angreifer wie Verteidiger stärkere Anreize zu frühzeitigen Zugriffen auf gegnerische Netzwerke erhalten.

  81. Ensuring AI’s trustworthiness: reliability engineering meets data-driven risk management oecd · 2023 · Q005603 · Hintergrund, keine Belege

    Der Beitrag empfiehlt Zuverlässigkeitstechnik und dokumentierte Vorfallmeldungen für das KI-Risikomanagement, betont aber, dass dieser Ansatz allein keine KI-Sicherheit garantiert.

  82. Comment on NIST Draft Standards for Reliable, Robust, and Trustworthy Artificial Intelligence cset · 2019 · Q005766 · Hintergrund, keine Belege

    Der vorliegende Auszug aus CSETs Stellungnahme empfiehlt Grundlagenforschung und ein nationales NIST-Testfeld, um Standards für vertrauenswürdige KI zu entwickeln.

  83. Benchmark scores are well correlated, even across domains epoch · 2026 · Q005896 · Hintergrund, keine Belege

    Laut Epoch AI stimmen Modellrangfolgen über KI-Benchmarks hinweg oft stark überein, doch Stichprobenrauschen und zeitliche Unterschiede zwischen Modellen schränken die Aussagekraft der Korrelationen ein.

  84. Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI oecd · 2023 · Q005948 · Hintergrund, keine Belege

    Der Abstract skizziert Ansätze zur Steuerung von KI-Risiken über den Systemlebenszyklus hinweg, nennt dafür OECD-, ISO- und NIST-Rahmenwerke, liefert aber selbst keine konkreten Ergebnisse.

  85. Expert Roundtable on Generative AI – 31 May 2023 oecd · 2023 · Q006146 · Hintergrund, keine Belege

    Der Auszug stellt eine OECD-Runde zu generativer KI und ihre drei Leitfragen vor, enthält jedoch keine Diskussionsergebnisse.

  86. Artificial Intelligence and National Security cset · 2020 · Q006486 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt eine vertrauenswürdige, international abgestimmte Entwicklung militärischer KI und gezielte Technologiekontrollen, warnt aber vor Risiken durch hastigen Einsatz und enthält nicht den vollständigen Bericht.

  87. Three takeaways from classifying AI systems designed to fight the COVID-19 pandemic oecd · 2022 · Q006591 · Hintergrund, keine Belege

    Der Bericht sieht Klassifikationsrahmen, laufend geprüfte Messinstrumente und stärkere Transparenzregeln als Voraussetzungen für eine bessere Überwachung von KI-Systemen, weist aber auf lückenhafte Informationen und begrenzte Wirkungsnachweise hin.

  88. What do AI systems and cows have in common? oecd · 2022 · Q006599 · Hintergrund, keine Belege

    Der OECD-Beitrag stellt einen noch weiterzuentwickelnden Rahmen vor, der konkrete KI-Anwendungen anhand von Menschen, Kontext, Modellen, Daten und Autonomie klassifiziert, um Risiken besser sichtbar zu machen.

  89. The real reason AI benchmarks haven’t reflected economic impacts epoch · 2025 · Q006837 · Hintergrund, keine Belege

    Laut den Autoren spiegeln KI-Benchmarks wirtschaftliche Auswirkungen bislang oft schlecht wider, weil Realitätsnähe lange keine Priorität war und realistische Tests zugleich schwierig umzusetzen sind.

  90. An introduction to the Global Partnership on AI’s work on Responsible AI oecd · 2020 · Q007151 · Hintergrund, keine Belege

    Die GPAI-Arbeitsgruppe plante 2020, verantwortungsvolle KI durch eine Bestandsaufnahme bestehender Ansätze und Empfehlungen für internationale Zusammenarbeit zu fördern; der Beitrag berichtet nicht über spätere Ergebnisse.

  91. Governance of superintelligence openai · 2023 · Q007570 · Hintergrund, keine Belege

    OpenAI fordert für mögliche Superintelligenz internationale Koordination, Aufsicht, Sicherheitsforschung und öffentliche Mitsprache, legt aber weder ein fertiges Regelwerk noch Belege für seine Zukunftsprognosen vor.

  92. How evals drive the next chapter in AI for businesses openai · 2025 · Q007588 · Hintergrund, keine Belege

    Der Bericht empfiehlt einen fortlaufenden Kreislauf aus Zielen festlegen, realistisch messen und verbessern, betont aber, dass es für kontextbezogene KI-Evals noch kein endgültiges Verfahren gibt.

  93. GPT-4V(ision) system card openai · 2023 · Q007854 · Hintergrund, keine Belege

    Der vorliegende Auszug kündigt eine Sicherheitsanalyse von GPT-4V mit Fokus auf Bildeingaben an, nennt aber keine konkreten Ergebnisse.

  94. Understanding the capabilities, limitations, and societal impact of large language models openai · 2021 · Q008294 · Hintergrund, keine Belege

    Der vorliegende Auszug kündigt eine Diskussion über technische Fähigkeiten und Grenzen von GPT‑3 sowie gesellschaftliche Auswirkungen großer Sprachmodelle an, enthält aber keine konkreten Ergebnisse.

  95. Built to benefit everyone: our plan openai · 2026 · Q008394 · Hintergrund, keine Belege

    OpenAI will KI sicher und breit nutzbar machen und nennt dafür drei Ziele, deren Erreichung der Bericht als Absicht und Prognose beschreibt.

  96. Why responsible AI development needs cooperation on safety openai · 2019 · Q008585 · Hintergrund, keine Belege

    Der Bericht empfiehlt Kooperation, Transparenz und Anreize für Sicherheitsstandards, damit Wettbewerbsdruck die sichere Entwicklung von KI nicht untergräbt.

  97. Preparing for malicious uses of AI openai · 2018 · Q008644 · Hintergrund, keine Belege

    Der Beitrag skizziert mögliche böswillige KI-Nutzungen und empfiehlt vorsorgliche Forschungssicherungen, Sicherheitspraktiken und eine breitere Debatte, ohne Wirksamkeitsnachweise vorzulegen.

  98. Best practices for deploying language models openai · 2022 · Q009029 · Hintergrund, keine Belege

    Der Bericht skizziert vorläufige Empfehlungen für Regeln, Schutzmaßnahmen, Transparenz und Zusammenarbeit beim Einsatz großer Sprachmodelle, ohne ihre Wirksamkeit empirisch nachzuweisen.

  99. https://arxiv.org/pdf/2005.14165 openai · Q009431 · Hintergrund, keine Belege

    Die Notizen beschreiben GPT‑3s teils starke, aber aufgabenabhängige Few‑Shot-Leistung und betonen Einschränkungen durch Schwächen einzelner Aufgaben, mögliche Datenkontamination und unvollständige Erläuterungen in den Anhangsauszügen.

  100. https://www-cdn.anthropic.com/files/4zrzovbb/website/e2ae0c997653dfd8a7cf23d06f5f06fd84ccfd58.pdf anthropic · Q009506 · Hintergrund, keine Belege

    Anthropic zufolge können identifizierte Modell-Features Antworten beeinflussen, doch die Methode ist noch früh, unvollständig und als Sicherheitsmaßnahme nicht verlässlich bestätigt.

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →