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-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?

763 Berichte ab Stufe 3 bei Luna (weitere Modelle folgen), stärkste zuerst.

Zum Inhalt ↓
← Alle Quellen zu SF-F4
  1. AI safety solutions mapping: An initiative for advanced AI governance oecd · 2025 · Q004721 · Hintergrund, keine Belege

    GRASP soll laut Bericht internationale KI-Risiken und Sicherheitslösungen für Forschung und Politik kartieren; konkrete Wirkungsnachweise enthält der Text nicht.

  2. AI’s potential futures: Mitigating risks, harnessing opportunities oecd · 2024 · Q004772 · Hintergrund, keine Belege

    Der OECD-Beitrag empfiehlt vorausschauende, inklusive KI-Politik, um mögliche Vorteile zu fördern und Risiken zu begrenzen, während die langfristigen Folgen ungewiss bleiben.

  3. Ethics and Artificial Intelligence cset · 2021 · Q004800 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt, KI-Recht durch konkrete Ethikregeln, Prüfverfahren und Unternehmensverantwortung zu ergänzen und bestehende Prinzipien auf einzelne Anwendungen anzuwenden.

  4. Sonnet 4.5's eval gaming seriously undermines alignment evals fragen-funde · 2025 · Q004827 · Hintergrund, keine Belege

    Laut Bericht könnte Sonnet 4.5s bessere Alignment-Testergebnisse teilweise durch häufigeres Erkennen und Bespielen von Tests entstehen, doch Ausmaß und Ursachen dieses Effekts bleiben unsicher.

  5. nemotron-3.5-super-vl-120b-a12b Model by NVIDIA fragen-funde · Q004895 · Hintergrund, keine Belege

    Laut NVIDIA ist Nemotron 3.5 Super VL NVFP4 ein multimodales, quantisiertes Modell mit teils ähnlichen und teils niedrigeren Benchmarkwerten als BF16, dessen Ausgaben und Einsatz laut Modellkarte geprüft und abgesichert werden sollen.

  6. Deepening AI Safety Research with UK AI Security Institute (AISI) deepmind · 2025 · Q004914 · Hintergrund, keine Belege

    DeepMind kündigt mit dem britischen AISI neue KI-Sicherheitsforschung zu Denkprozessen, sozialen Folgen und Wirtschaftsauswirkungen an, berichtet aber noch keine Ergebnisse.

  7. Resources fragen-funde · 2026 · Q004967 · Hintergrund, keine Belege

    Der vorliegende Auszug listet Ressourcen für KI-Governance und Sicherheitstests auf, beschreibt deren beabsichtigten Nutzen, liefert aber keine unabhängigen Wirksamkeitsnachweise.

  8. AI security and sovereignty: INESIA unveils its roadmap for 2026-2027 fragen-funde · 2026 · Q004984 · Hintergrund, keine Belege · ohne Zusammenfassung
  9. Deadline extended to 1 October: Public consultation on risk thresholds for advanced AI systems oecd · 2024 · Q005217 · Hintergrund, keine Belege

    Der Bericht stellt eine OECD-Konsultation zu noch umstrittenen Risikoschwellen für fortgeschrittene KI vor, deren Beiträge bis zum 1. Oktober 2024 weitere Forschung und politische Arbeit unterstützen sollten.

  10. Participate in the OECD’s pilot on monitoring the application of the G7 Code of Conduct for Organisations Developing Advanced AI Development oecd · 2024 · Q005235 · Hintergrund, keine Belege

    Die OECD testete 2024 einen vertraulichen Melderahmen zum G7-Kodex für fortgeschrittene KI; seine erwarteten Vorteile werden im Bericht beschrieben, aber nicht durch Pilotresultate belegt.

  11. AI Safety Institutes: Can countries meet the challenge? oecd · 2024 · Q005261 · Hintergrund, keine Belege

    Der OECD-Beitrag beschreibt AISIs als mögliche Säulen für KI-Prüfung und internationale Abstimmung, deren Wirksamkeit jedoch von sicherem Informationsaustausch, passenden Befugnissen, ausreichenden Fachkräften und geeignetem Modellzugang abhängt.

  12. Frontier Safety Roadmap Updates anthropic · Q005317 · Hintergrund, keine Belege · ohne Zusammenfassung
  13. Towards algorithm auditing: A research overview oecd · 2024 · Q005375 · Hintergrund, keine Belege

    Der Beitrag plädiert für wiederkehrende, kontextspezifische Algorithmus-Audits, deren Zusicherung nur die tatsächlich geprüften Standards und Rechtsvorgaben abdeckt.

  14. What is AI? Can you make a clear distinction between AI and non-AI systems? oecd · 2024 · Q005409 · Hintergrund, keine Belege

    Laut OECD-Bericht beschreibt die überarbeitete Definition KI-Systeme breit als Systeme, die aus Eingaben zielbezogene Ausgaben ableiten; sie ersetzt keine Regeln zu Haftung und Verantwortung und lässt kontextbezogene Regulierung offen.

  15. 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.

  16. Why policymakers worldwide must prioritise security for AI oecd · 2023 · Q005571 · Hintergrund, keine Belege

    Der Beitrag fordert, KI-Sicherheit wegen vielfältiger Angriffsrisiken stärker in Regulierung und Praxis zu verankern, räumt aber ein, dass Abwehr schwierig bleibt.

  17. How do we govern the complex intersection between AI and cybersecurity? oecd · 2020 · Q005589 · Hintergrund, keine Belege

    KI kann laut Bericht Cyberrisiken verstärken und die Verteidigung unterstützen; nötig seien sichere Gestaltung, Aufklärung und internationale Zusammenarbeit.

  18. Making AI Work for Cyber Defense cset · 2021 · Q005593 · Hintergrund, keine Belege

    Der bereitgestellte Auszug empfiehlt, ML-Cyberabwehr gegen Angriffe abzusichern und zugleich ihre Abhängigkeiten und den Zielkonflikt zwischen Genauigkeit und Robustheit zu steuern.

  19. 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.

  20. Reflections on safety: General-purpose AI developers can learn from the Challenger disaster oecd · 2024 · Q005633 · Hintergrund, keine Belege

    Der Bericht warnt anhand der Challenger-Katastrophe, dass KI-Entwicklung ohne ausreichendes Verständnis, gründliche Risikoprüfung und eine starke Sicherheitskultur gefährlich sein kann.

  21. Andrew Lohn's Testimony before House of Representatives Science, Space and Technology Subcommittees cset · 2022 · Q005679 · Hintergrund, keine Belege

    Andrew Lohn warnt vor Sicherheitsrisiken durch die offene KI-Lieferkette und empfiehlt vertrauenswürdige Ressourcen, Prüfungen, Komponentenübersichten und KI-Fachleute für staatliche Sicherheitsteams.

  22. Bridging the gap in AI governance and the rule of law: The Athens Roundtable 2023 oecd · 2023 · Q005767 · Hintergrund, keine Belege

    Die Ankündigung der Athens Roundtable 2023 fordert eine rechtebasierte, international koordinierte KI-Governance mit zentraler Beteiligung der Zivilgesellschaft, enthält aber keine späteren Konferenzergebnisse.

  23. Initial policy considerations for generative artificial intelligence oecd · 2023 · Q005994 · Hintergrund, keine Belege

    Der OECD-Beitrag sieht in generativer KI Chancen und erhebliche, teils noch ungewisse Risiken und fordert frühzeitige politische Antworten.

  24. A law for foundation models: the EU AI Act can improve regulation for fairer competition oecd · 2023 · Q006018 · Hintergrund, keine Belege

    Der Beitrag plädiert für einen gezielten EU AI Act, der besonders leistungsfähige foundation models reguliert und Risiken begrenzt, ohne kleinere Anbieter zu benachteiligen.

  25. A roadmap for an AI learning campaign oecd · 2023 · Q006294 · Hintergrund, keine Belege

    Der Beitrag plädiert für eine weltweite Lernkampagne, die KI-Wissen, verantwortungsvolle Nutzung, bessere Schutzwerkzeuge und internationale Zusammenarbeit fördern soll.

  26. GPT-Red: Unlocking Self-Improvement for Robustness openai · 2026 · Q006453 · Hintergrund, keine Belege

    OpenAI zufolge hilft das interne Modell GPT‑Red, Prompt-Injection-Schwachstellen zu finden und Produktionsmodelle robuster zu machen; die berichteten Erfolge gelten für die beschriebenen Tests und Szenarien.

  27. Singapore’s A.I.Verify builds trust through transparency oecd · 2022 · Q006488 · Hintergrund, keine Belege

    Singapurs A.I. Verify soll KI-Leistungsangaben durch freiwillige Selbsttests transparenter machen, bietet laut Bericht aber weder eine Sicherheitsgarantie noch bereits etablierte Branchenbenchmarks.

  28. Decree of the President of the Russian Federation on the Development of Artificial Intelligence in the Russian Federation cset · 2019 · Q006508 · Hintergrund, keine Belege

    Russlands 2019 beschlossene KI-Strategie setzt bis 2030 Ziele für Forschung, Daten, Technik, Fachkräfte und Regulierung, doch der Bericht belegt nicht, ob diese erreicht wurden.

  29. Responsible AI licenses: a practical tool for implementing the OECD Principles for Trustworthy AI oecd · 2022 · Q006511 · Hintergrund, keine Belege

    Der Autor sieht RAILs als mögliches ergänzendes Mittel, offene KI-Nutzung entlang der Wertschöpfungskette an verantwortungsbezogene Bedingungen zu knüpfen, weist ihre Wirksamkeit aber nicht empirisch nach.

  30. Do the biorisk evaluations of AI labs actually measure the risk of developing bioweapons? epoch · 2025 · Q006557 · Hintergrund, keine Belege

    Die bisherigen Biorisiko-Tests belegen laut den Autoren keine Befähigung von Laien zur Entwicklung biologischer Waffen, reichen wegen ihrer Grenzen und mangelnder Transparenz aber auch nicht aus, das Risiko auszuschließen.

  31. WAIC Artificial Intelligence Security and Rule of Law Guidelines cset · 2020 · Q006566 · Hintergrund, keine Belege

    Die Leitlinien schlagen Maßnahmen gegen technische, datenbezogene, rechtliche und soziale KI-Risiken vor, ohne deren Wirksamkeit zu belegen.

  32. 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.

  33. 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.

  34. The OECD Framework for Classifying AI Systems to assess policy challenges and ensure international standards in AI oecd · 2022 · Q006636 · Hintergrund, keine Belege

    Die OECD beschreibt eine allgemeine Klassifikation von KI-Systemen als mögliche Grundlage für verständlichere Politikdebatten, Risikobewertung und internationale Abstimmung, deren breite Wirkung laut Bericht noch aussteht.

  35. The power of persuading: Can and should we regulate AI algorithms? oecd · 2021 · Q006716 · Hintergrund, keine Belege

    Der Bericht plädiert für eine unabhängige, langfristig ausgerichtete Aufsicht über Algorithmen, da sich deren gesellschaftliche Folgen kaum vollständig vorab vorhersagen lassen.

  36. A first look at the OECD’s Framework for the Classification of AI Systems, designed to give policymakers clarity oecd · 2020 · Q006726 · Hintergrund, keine Belege

    Ein vorläufiger OECD-Rahmen ordnet KI-Systeme in vier Dimensionen ein, um politische Folgen und Verantwortlichkeiten besser beurteilen zu können; weitere Prüfungen waren noch geplant.

  37. Familiar methods can help to ensure trustworthy AI as the algorithm auditing industry grows oecd · 2021 · Q006823 · Hintergrund, keine Belege

    Der Bericht plädiert für risikobasierte Audits von Algorithmen, die zentrale Vertrauensfragen prüfen, Zielkonflikte berücksichtigen und in Governance eingebettet werden.

  38. Soft law 2.0: Incorporating incentives and implementation mechanisms into the governance of artificial intelligence oecd · 2021 · Q006831 · Hintergrund, keine Belege

    Eine Auswertung von 634 KI-Soft-Law-Programmen legt nahe, dass Anreize und Umsetzungsmechanismen ihre Glaubwürdigkeit stärken könnten; die Befunde reichen nur bis Ende 2019 und Soft Law löst nicht alle Governance-Probleme.

  39. OpenAI API openai · 2020 · Q007170 · Hintergrund, keine Belege

    Der Beitrag von 2020 beschreibt OpenAIs API-Pläne für zugängliche Textgenerierung mit kontrolliertem Zugang, räumt Risiken wie Missbrauch und Verzerrungen ein und liefert keinen unabhängigen Wirksamkeitsnachweis.

  40. The OECD Network of Experts on AI: Moving from principle to practice for trustworthy AI oecd · 2020 · Q007188 · Hintergrund, keine Belege

    Der Beitrag beschreibt ONE AI und seine für 2020 geplanten Arbeiten zur praktischen Umsetzung der OECD-KI-Grundsätze, berichtet aber keine abgeschlossenen Ergebnisse.

  41. The American AI Initiative: The U.S. strategy for leadership in artificial intelligence oecd · 2020 · Q007213 · Hintergrund, keine Belege

    Der Bericht beschreibt die US-KI-Strategie und ihre geplanten Maßnahmen für Innovation und vertrauenswürdige KI, belegt deren Wirkung jedoch nicht systematisch.

  42. Aligning language models to follow instructions openai · 2022 · Q007236 · Hintergrund, keine Belege

    Laut OpenAI verbessert menschliches Feedback bei InstructGPT die Befolgung von Anweisungen und mehrere Sicherheitsmaße, doch bleiben Fehlverhalten, Verzerrungen und unsichere Antworten ungelöst.

  43. OpenAI and Los Alamos National Laboratory announce bioscience research partnership openai · 2024 · Q007385 · Hintergrund, keine Belege

    OpenAI und LANL kündigen eine geplante Sicherheitsbewertung multimodaler KI bei Laboraufgaben an, berichten aber noch keine Ergebnisse.

  44. Our approach to alignment research openai · 2022 · Q007548 · Hintergrund, keine Belege

    OpenAIs Ansatz kombiniert menschliches Feedback, KI-gestützte Bewertung und KI-Forschung, doch der Bericht räumt erhebliche Grenzen und offene Sicherheitsfragen ein.

  45. 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.

  46. Our approach to AI safety openai · 2023 · Q007654 · Hintergrund, keine Belege

    OpenAI schildert eigene Sicherheitsmaßnahmen für KI, räumt fortbestehende Risiken ein und präsentiert Verbesserungswerte, ohne sie im Bericht unabhängig überprüfen zu lassen.

  47. Understanding prompt injections: a frontier security challenge openai · 2025 · Q007667 · Hintergrund, keine Belege

    OpenAI beschreibt Prompt Injection als fortbestehendes, ungelöstes Risiko und nennt technische Schutzschichten sowie vorsichtige Nutzung als Gegenmaßnahmen.

  48. Designing AI agents to resist prompt injection openai · 2026 · Q007733 · Hintergrund, keine Belege

    Laut Bericht sollen KI-Agenten gegen Prompt Injection nicht nur durch Erkennung, sondern vor allem durch Begrenzung riskanter Handlungen geschützt werden.

  49. The EU Code of Practice and future of AI in Europe openai · 2025 · Q007943 · Hintergrund, keine Belege

    OpenAI kündigt eine bedingte Unterzeichnung des EU-KI-Kodex und mehrere europäische Ausbaupläne an, deren Umsetzung der Bericht noch nicht belegt.

  50. Security on the path to AGI openai · 2025 · Q008196 · Hintergrund, keine Belege

    OpenAI berichtet über ausgebaute Sicherheitsprogramme und Schutzmaßnahmen, belegt deren Wirksamkeit im Text aber nur eingeschränkt und überwiegend mit eigenen Angaben.

  51. Improving verifiability in AI development openai · 2020 · Q008309 · Hintergrund, keine Belege

    Der Text stellt zehn Empfehlungen für besser überprüfbare KI-Entwicklung vor, ist aber nur eine Zusammenfassung und erläutert weder deren Wirksamkeit noch die Einschränkungen des vollständigen Berichts.

  52. 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.

  53. Testing robustness against unforeseen adversaries openai · 2019 · Q008666 · Hintergrund, keine Belege

    Laut Bericht reicht Schutz gegen bekannte Bildangriffe nicht aus; vielfältige Tests und die Kennzahl UAR sollen die Robustheit gegen unbekannte Angriffe messbar machen.

  54. Lessons learned on language model safety and misuse openai · 2022 · Q008673 · Hintergrund, keine Belege

    OpenAI zufolge hat der Einsatz von Sprachmodellen neue Missbrauchsformen und Grenzen der Risikomessung offengelegt, während die gesellschaftlichen und wirtschaftlichen Gesamtfolgen weiterhin unklar sind.

  55. Introducing ChatGPT openai · 2022 · Q008742 · Hintergrund, keine Belege

    Der Bericht beschreibt OpenAIs Einführung von ChatGPT und dessen RLHF-Training sowie bekannte Grenzen wie falsche, schwankende oder potenziell schädliche Antworten.

  56. 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.

  57. OpenAI and Microsoft extend partnership openai · 2023 · Q009119 · Hintergrund, keine Belege

    OpenAI berichtet von einer erweiterten Microsoft-Partnerschaft mit Milliardeninvestition, exklusiver Azure-Nutzung und gemeinsamer Arbeit an Bereitstellung und Sicherheit; die Mitteilung bleibt OpenAIs eigene Darstellung.

  58. OpenAI’s letter to Governor Newsom on harmonized regulation openai · 2025 · Q009200 · Hintergrund, keine Belege

    OpenAI plädiert für einheitliche KI-Sicherheitsregeln in den USA und geringere doppelte Belastungen für Start-ups; der Bericht stellt die Position des Unternehmens dar, nicht eine unabhängige Prüfung.

  59. Preparing for future AI capabilities in biology openai · 2025 · Q009274 · Hintergrund, keine Belege

    OpenAI stellt Schutzpläne gegen möglichen biologischen Missbrauch leistungsfähiger KI vor, weist aber auf unsichere Risikobewertungen hin und liefert keine unabhängige Wirksamkeitsprüfung.

  60. Usage policies openai · 2026 · Q009306 · Hintergrund, keine Belege

    OpenAI beschreibt Regeln gegen schädliche, übergriffige und manipulative Nutzungen, mit besonderen Schutzvorgaben für Minderjährige, sensible Entscheidungen und die Weiterverwendung von Modellausgaben.

  61. Unser Rahmen für Berichte über Modell-Fehlausrichtung openai · Q009536 · Hintergrund, keine Belege

    OpenAI veröffentlicht einen vorläufigen Offenlegungsrahmen und sechs Einzelfälle von Modell-Fehlausrichtung, die laut Unternehmen weder deren Häufigkeit noch das gesamte bekannte Spektrum abbilden.

  62. How the OECD’s AI system classification work added to a year of progress in AI governance oecd · 2021 · Q009569 · Hintergrund, keine Belege

    Der Text wirbt für eine kontextbezogene Einstufung von KI-Risiken als Grundlage abgestufter Regeln und nennt mehrere mögliche Hochrisikobereiche, ohne die Wirksamkeit des Ansatzes empirisch zu belegen.

  63. Singapore’s model framework balances innovation and trust in AI oecd · 2020 · Q009572 · Hintergrund, keine Belege

    Singapur will mit freiwilligen, technologieübergreifenden KI-Leitlinien und ergänzenden Initiativen Innovation und Vertrauen verbinden; der Bericht beschreibt eigene Vorhaben, weist aber keine unabhängige Wirksamkeitsprüfung aus.

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →