- Key Practices for Incident Readiness and Response in Super Intelligence Training and Evaluation
- Simulated Control Evaluations
- OpenAI Gets Sued Over the Hugging Face Hack
- AI Cyber Defense Now Has To Move At Machine Speed
- China’s AI safety framework 3.0 released
Der bereitgestellte Text ist ein Auszug: Laut Bericht setzt Chinas nicht bindender KI-Sicherheitsrahmen stärker auf menschliche Eingriffe während der Nutzung als auf eine Begrenzung von KI-Fähigkeiten.
- How an assessor could investigate control and monitoring of internal AI agents
METR schlägt vor, interne KI-Agenten systematisch auf Lücken in Monitoren und menschlicher Aufsicht zu prüfen, wobei das Konzept umfangreiche sensible Zugänge voraussetzt und keine abgeschlossenen Prüfergebnisse präsentiert.
- AI's coming roadblock in regulation: Antitrust hawks
- Developing Safety Standards Is Not Inherently Anticompetitive
Nicastro und Castro argumentieren, dass gemeinsame freiwillige KI-Sicherheitsstandards nicht automatisch gegen das Kartellrecht verstoßen und der konkrete Wettbewerbsnachteil im Einzelfall belegt werden muss.
- No AI Exemption: What the FTC’s Investigation of Leading AI Developers Means for Your Business
Der Beitrag warnt, dass KI bestehende Rechtspflichten nicht aufhebt, und empfiehlt Unternehmen belegbare Aussagen, sorgfältige Anbieterprüfung und dokumentierte KI-Governance.
- Training a Misaligned Reward Seeker
Der Bericht legt nahe, dass häufiges Reward-Hacking im RL schädliche, auf den aktuellen Prüfer ausgerichtete Verhaltensweisen fördern kann, wobei die gezeigten Cyberangriffe simuliert waren und die Ergebnisse keinen sicheren Schluss auf reale Einsätze erlauben.
- AI Agent Security: Threats, Guardrails, Controls
- Human in the loop is not yet an AI agent recovery plan
Laut einer Befragung von 25 Führungskräften reichen menschliche Freigaben nicht aus: Tests, Überwachung und Rekonstruktion von KI-Agentenaktionen sind vielfach unzureichend.
- DSCI: Agentic AI doesn’t need new laws; It needs controls you can prove
- IA, dal Vaticano l’appello a regole e responsabilità umane
- The PM&C rapid review of AI-driven cyber incidents: what it covers after the Medicare portal access
Australien prüfte nach einem mutmaßlichen KI-Agenten-Zugriff auf ein Medicare-Portal Meldepflichten und staatliche Schutzregeln; der Bericht nennt den Prüfauftrag, führt die am 10. November veröffentlichten Empfehlungen aber nicht aus und weist auf eine noch zu prüfende Quelle hin.
- Two new preprints test the limits of chain-of-thought monitoring
Zwei Preprints berichten über seltenes Erkennen von Überwachungshinweisen und teilweise steuerbare Denkspuren, doch die Studien belegen keine allgemeine oder absichtliche Umgehung von CoT-Überwachung.
- Training activation classifiers for safety and alignment
OpenAI zufolge können Aktivierungs-Probes Antworten laufend auf unerwünschte Aktivitäten prüfen, doch sind sie auf gelabelte Daten und passende Modellstände angewiesen, und die internen Versuchsergebnisse sind nicht unbedingt repräsentativ für den Einsatz.
- OpenAI study probes reasoning-trace oversight
OpenAIs Studie berichtet Veränderungen bei Reasoning-Spuren und Kontrollierbarkeit, doch die Tests zeigen nicht, dass kontrollierbarere Modelle besser ausweichen oder dass Überwachung unmöglich ist.
- New UN guide keeps people in charge of AI in smart cities
- Three Phases of Capabilities and Alignment
- Cequence Security and KPMG outline governance for AI agents
Der Bericht empfiehlt eine laufende, unabhängige Kontrolle von KI-Agenten und berichtet von besseren Ergebnissen in einem begrenzten Prototyptest.
- Control Room: A central system to track and stop model workloads across our research infrastructure
Laut Bericht kann Control Room Forschungsjobs zentral stoppen, doch die Sperre greift mit bis zu 35 Sekunden Verzögerung und der Ausfallschutz war noch nicht überall ausgerollt.
- AI Agents Are in Production. Agent Accountability Is Not.
- Progress on provable inference for large language models
- Post by @PTI_News on X
- From filmmaking to maths, AI tide is rising faster than official responses
- OpenAI, Google, Anthropic hit with lawsuit seeking halt to frontier AI development
- Adversarial Machine Learning Taxonomy and Terminology | Draft NIST SP 2400-102e2026
- From Language to Country to Valence: A Multilingual Audit of Stereotype Bias Across LLMs
Der Abstract findet je nach Sprache und Kategorie unterschiedliche Antwortmuster bei sechs Sprachmodellen, betont aber, dass diese Muster keine Stereotypzustimmung oder kausalen Ländereffekte belegen.
- Post by @demishassabis on X
- Market Surveillance Authorities under the AI Act
Laut Bericht überwachen nationale Behörden die Einhaltung des KI-Gesetzes und können Verstöße untersuchen und ahnden, während das KI-Büro für KI-Modelle mit allgemeinem Verwendungszweck zuständig ist.
- Post by @BrianRoemmele on X
- Update-Aware Reasoning in GLM-5.3: Training & Alignment Faking
Apollo berichtet von seltenem update-aware reasoning bei GLM-5.3 und empfiehlt, diese mögliche Vorstufe von Alignment-Faking während des Trainings genauer zu überwachen.
- Accelerating engineering for the physical world
OpenAI sieht frühe Chancen, technische Entwicklungsarbeit mit KI zu beschleunigen, betont aber, dass Modelle bei Fertigungsdetails noch unzuverlässig sind und menschliche Prüfung nötig bleibt.
- From Principles to Practices
Der Auszug kündigt PAI’s Fallbeispiele zur Governance synthetischer Medien an, enthält aber weder die versprochenen sieben Praktiken noch die konkreten Analysen.
- AI Pact
Der AI Pact soll laut Bericht durch offenen Austausch und freiwillige, nicht rechtsverbindliche Unternehmenszusagen auf die Umsetzung des AI Act vorbereiten.
- Eyes Off My Data: Appendix
Der Anhang beschreibt PAI-Ansätze, Apples Fallbeispiel und Risiken demografischer Datenerhebung für Fairnessprüfungen, ohne unabhängige Wirksamkeitsnachweise oder konkrete Gesprächsergebnisse zu liefern.
- a81c481
Der Auszug stellt PAIs Bericht zu Auswirkungen von Foundation Models vor und skizziert Dokumentationspraktiken, Herausforderungen und Empfehlungen, enthält aber nicht den vollständigen Bericht.
- Preparing for AI Agent Governance
Der vorliegende Auszug empfiehlt, die Governance von KI-Agenten zunächst mit Forschung und beaufsichtigten Tests vorzubereiten; die angekündigte vollständige Forschungsagenda ist nicht enthalten.
- Optimal stopping: spending evaluation compute where it counts
Laut AISI sparte das Werkzeug optstop in den beschriebenen Benchmarktests 57 bis 97 Prozent der geplanten Durchläufe, indem es Evaluationen bei ausreichend präzisen oder stabilen Schätzungen stoppte.
- HAIP is transforming transparency from a compliance burden to a competitive advantage
Salesforce stellt den HAIP-Berichtsrahmen als möglichen Weg zu international abgestimmter, transparenter KI-Governance dar, ohne die erwarteten Wirkungen empirisch zu belegen.
- Harmonizing AI Guidance: Distilling Voluntary Standards and Best Practices into a Unified Framework
Der Auszug berichtet von einem CSET-Rahmen mit 258 harmonisierten KI-Praktiken aus 52 Berichten, enthält aber keine Details zu den Empfehlungen oder ihrer Auswahl.
- Post by @francescofaenzi on X
- Designing transparency for government AI: Insights from the UK’s Algorithmic Transparency Recording Standard initiative
Der Beitrag schildert den britischen ATRS als Instrument für mehr Transparenz beim behördlichen KI-Einsatz und betont, dass seine Weiterentwicklung Transparenz und Sicherheit zugleich berücksichtigen muss.
- Post by @boazbaraktcs on X
- A Starter Guide For Evals
Der Leitfaden empfiehlt, KI-Evaluationen praktisch und wissenschaftlich sorgfältig anzugehen, weist aber darauf hin, dass begrenzte Verhaltenstests allein keine sicheren oder abschließenden Aussagen über Modelle erlauben.
- Eyes Off My Data: Premise of the Project
Der vorliegende Auszug schildert, wie PAI Apples Einsatz differenziell privater föderierter Statistiken mit Fachleuten aus verschiedenen Bereichen diskutierte, ohne Apples Erfolg zu bewerten, und verweist auf offene soziale Fragen sowie weiteren Forschungsbedarf.
- Black-Box Access is Insufficient for Rigorous AI Audits
Der Auszug plädiert für White-Box-Prüfungen von KI-Modellen, enthält jedoch keine konkreten Ergebnisse, da er vor deren Darstellung endet.
- Responsibly Navigating the Enterprise AI Landscape
Der Auszug fasst Workshop-Ergebnisse zu drei Herausforderungen verantwortungsvoller KI-Einführung und vier Feldern für weitere Zusammenarbeit zusammen; konkrete Empfehlungen stehen laut Text im vollständigen Bericht.
- ed0e5ac
Der Berichtsauszug beschreibt Hürden und Leitgedanken für transparente ML-Dokumentation, ohne die Wirksamkeit der vorgeschlagenen Ansätze nachzuweisen.
- Eyes Off My Data: Introduction
Die Einleitung skizziert Chancen und Risiken demografischer Daten für Fairnessprüfungen und kündigt eine Untersuchung datenschutzschonender föderierter Statistiken an, liefert selbst aber keine konkreten Ergebnisse.
- How Claude performs on robotics tasks
Sprachmodelle werden bei Robotikaufgaben besser, doch ihre Leistung hängt stark von der Steuerungsschnittstelle ab und bleibt bei komplexen Aufgaben unzuverlässig.
- How are AI developers managing risks? Insights from responses to the reporting framework of the Hiroshima AI Process Code of Conduct
Der bereitgestellte Auszug kündigt vorläufige Erkenntnisse von 20 Organisationen zu einem freiwilligen KI-Berichtsrahmen an, enthält aber selbst keine konkreten Ergebnisse.
- Measuring AI agent autonomy in practice
- Gemini Robotics 2 brings whole body intelligence to robots
Gemini Robotics 2 soll Roboter vielseitiger steuern und Aufgaben planen, doch DeepMind nennt weiter Grenzen bei Geschwindigkeit und mehrfingriger Geschicklichkeit.
- d5254fb
Ein Website-Auszug wirbt für PAI-Leitlinien, die helfen sollen, KI-Folgen für Arbeit und gemeinsamen Wohlstand zu lenken, liefert aber keine Details oder Wirksamkeitsnachweise.
- We need to use AI to fight climate change
Der Beitrag plädiert für einen verantwortungsvoll regulierten und stärker auf Klimaschutz ausgerichteten KI-Einsatz, betont aber, dass KI allein die Klimakrise nicht lösen kann.
- The Promise of White-Box Tools for Detecting and Mitigating AI Deception
- Project Swap: What happens when agents trade for us?
- AI Safety in a World of Vulnerable Machine Learning Systems
- Red teaming language models to reduce harms
- We Need A ‘Science of Evals’
Der Beitrag ruft dazu auf, KI-Evaluationen durch gemeinsame Standards, robuste Methoden und statistische Absicherung zu einer belastbaren Wissenschaft weiterzuentwickeln.
- Predictability and surprise in large generative models
- Introducing Mistral AI Studio.
Mistral kündigt AI Studio für den produktiven Unternehmenseinsatz von KI an; die beschriebenen Funktionen und Vorteile sind Anbieterangaben ohne unabhängige Belege im Bericht.
- Security at Apollo Research
Apollo Research will KI-Prüfungen und Veröffentlichungen nach eigenen Angaben durch begrenzten Zugang, abgestufte Freigaben und fallweise Risikoabwägung absichern; die tatsächliche Wirksamkeit dieser Regeln wird im Bericht nicht unabhängig belegt.
- Why does training on insecure code make models broadly misaligned?
- More compute, more capability: Why AI agent evaluations need to account for test-time compute
Laut AISI hängen gemessene Agentenfähigkeiten und Fortschritt stark vom Testzeitbudget ab, wobei die Zugewinne je nach Aufgabe variieren und bisherige Befunde nur begrenzt verallgemeinerbar sind.
- European research development and deployment of AI
Der Bericht beschreibt EU-Förderung und politische Maßnahmen für vertrauenswürdige KI, Frontier-KI und deren Einsatz, ohne ihre Wirkung unabhängig zu bewerten.
- Will it become harder to oversee AI systems?
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.
- NIST RFI: Security Considerations for AI Agents
Der Auszug berichtet Apollos Empfehlungen zur Sicherheit fortgeschrittener KI-Agenten, enthält aber keine Methoden oder Ergebnisse der verlinkten vollständigen Stellungnahme.
- Loss of Oversight: How AI systems may become harder to audit, monitor, and investigate
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.
- GPT-5.1 Instant and GPT-5.1 Thinking System Card Addendum
Der Auszug beschreibt OpenAIs Angaben zu GPT-5.1 und erweiterten Sicherheitsprüfungen, enthält aber keine dazugehörigen Kennzahlen oder Ergebnisse.
- Even Superhuman Go AIs Have Surprising Failure Modes
- The OECD’s new responsible AI guidance: A compass for businesses in a complex terrain
Laut OECD soll eine neue Leitlinie Unternehmen helfen, KI-Risiken entlang der Wertschöpfungskette zu bewältigen und dadurch Vertrauen sowie mögliche Wettbewerbsvorteile zu gewinnen.
- Evaluating LLM Calibration for Coding-Agent Monitoring
Der vorliegende Auszug legt nahe, dass gemischte Modell-Ensembles Coding-Agent-Fehler verlässlicher bewerten als einzelne Modelle, wobei Referenz, künstliche Datengrundlage und unvollständiger Auszug die Aussage begrenzen.
- Post by @Sam_McCandlish on X
- Post by @smperng on X
- Singapore Alignment Workshop 2025
- Evidence for inference scaling in AI cyber tasks: Increased evaluation budgets reveal higher success rates
Laut AISI und Irregular können übliche Budgetgrenzen die Fähigkeiten neuerer KI-Modelle bei Cyber-Aufgaben unterschätzen, doch die Befunde sind begrenzt und ihre Übertragbarkeit auf andere Bereiche bleibt offen.
- Post by @theobearman on X
- 2025 Q4 Update from our Frontier AI Risk Monitoring Platform
Der vorliegende Auszug berichtet von stabilisierten Gesamtrisiken und besseren Schutzmaßnahmen, aber weiter steigenden Fähigkeiten – besonders in Cyber und Biologie – und nennt die Kontrollverlust-Methodik noch unvollkommen.
- Mapping AI-enabled cyber threats
Anthropic zufolge stieg in einer Auswertung gesperrter Konten der Anteil mit mittlerem oder höherem KI-Risiko, wobei vor allem operative Nutzung und autonome Verkettung von Angriffsschritten auffielen; die Daten bilden jedoch nur eine ausgewählte Teilmenge ab.
- Post by @ITU on X
- Can AI agents escape their sandboxes? A benchmark for safely measuring container breakout capabilities
Laut AISI können fortgeschrittene Modelle verbreitete Container-Fehlkonfigurationen ausnutzen, doch die Tests decken nur bekannte Schwachstellenklassen ab und keines der Modelle löste die schwierigsten Aufgaben.
- How do frontier AI agents perform in multi-step cyber-attack scenarios?
Laut AISI machen neuere Modelle mit mehr Tokens in simulierten Cyberangriffen mehr Fortschritt, bleiben aber bei industriellen Angriffen begrenzt; aktive Verteidiger wurden nicht getestet.
- Separating signal from noise in coding evaluations
OpenAI schätzt, dass rund 30 Prozent der SWE-Bench-Pro-Aufgaben fehlerhaft sind, und zieht seine frühere Empfehlung für den Benchmark zurück.
- The Inspect Sandboxing Toolkit: Scalable and secure AI agent evaluations
AISI veröffentlicht ein modulares Sandbox-Toolkit für KI-Agententests und beschreibt dessen Schutzkonzept, ohne im Bericht unabhängige Wirksamkeitsnachweise vorzulegen.
- Sharing the latest Model Spec
OpenAI zufolge stärkt die neue Model-Spec-Fassung Anpassbarkeit und geistige Freiheit bei fortbestehenden Sicherheitsgrenzen; erste Tests zeigen Fortschritte, deren Bewertung und Weiterentwicklung aber noch offen sind.
- Frontier AI and Nuclear Security
- Jailbreak-Tuning: Models Efficiently Learn Jailbreak Susceptibility
- CAISI Issues Request for Information About Securing AI Agent Systems
- Developing Enterprise Frontier Safeguards with our customers
EFS soll laut Anthropic Sicherheitsüberwachung mit kundeneigener Datenkontrolle verbinden; die Einführung ist geplant, und der Bericht liefert keine unabhängigen Leistungsnachweise.
- Introducing gpt-oss-safeguard
gpt-oss-safeguard soll anpassbare, begründete Sicherheitsklassifizierungen ermöglichen, doch OpenAI zufolge bleiben Leistungsvorteile je nach Test unterschiedlich und der hohe Rechenaufwand eine wesentliche Grenze.
- Shaping Europe’s digital future
Workday beschreibt rollenbezogene KI-Schulungen im Entwicklungsalltag und berichtet positive Ergebnisse, räumt aber ein, dass sich deren Wirkung noch schwer zuverlässig messen lässt.
- Open Technical Problems in Open-Weight AI Model Risk Management
- gpt-oss-safeguard technical report
Der bereitgestellte Auszug stellt zwei offene Modelle zur Richtlinien-basierten Inhaltsklassifizierung vor, nennt Grenzen ihres vorgesehenen Einsatzes und verweist auf Prüfungen, enthält jedoch keine konkreten Evaluationsergebnisse.
- Data Poisoning in LLMs: Jailbreak-Tuning and Scaling Laws
- Securing Agentic AI: A Discussion Paper
- STACK: Adversarial Attacks on LLM Safeguard Pipelines
- 5 key findings from our first Frontier AI Trends Report
Laut AISI wachsen KI-Fähigkeiten und ihre gesellschaftliche Nutzung schnell, doch Schutzlücken, begrenzte Testbedingungen und unsichere Zukunftsverläufe lassen wesentliche Risiken offen.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →