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-H1

Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?

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

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. Applying Content Credentials to Music Assets :: C2PA Specifications spec.c2pa.org · Q000596 · Hintergrund, keine Belege

    C2PA kann die Provenienz von Musik einschließlich KI-Beteiligung nachvollziehbar dokumentieren, ersetzt aber keine Rechteklärung und garantiert weder vollständige noch richtige Angaben.

  2. AI Image Watermarks: SynthID, C2PA and Who Can Verify koncile.ai · 2026 · Q000599 · Hintergrund, keine Belege · ohne Zusammenfassung
  3. Beyond Detection: The Challenge of Governing AI Slop orfonline.org · 2026 · Q000643 · Hintergrund, keine Belege · ohne Zusammenfassung
  4. Post by @StewInPhiwwy on X x-posts · 2026 · Q000650 · Hintergrund, keine Belege · ohne Zusammenfassung
  5. Market Surveillance Authorities under the AI Act eu · Q000686 · Hintergrund, keine Belege

    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.

  6. AI Act Scientific Panel eu · Q000695 · Hintergrund, keine Belege

    Der Bericht stellt Auftrag und Zusammensetzung eines 60-köpfigen EU-Expertengremiums zum AI Act vor, enthält aber kaum Angaben zu den Ergebnissen seiner Arbeit.

  7. a61b27e pai · 2021 · Q000752 · Hintergrund, keine Belege

    Der vorliegende Auszug empfiehlt zielgruppengerechte und verantwortungsbewusste Dokumentation von ML-Datensätzen, einschließlich ihrer Zwecke, Verarbeitung und menschlichen sowie gesellschaftlichen Auswirkungen.

  8. OECD Digital Economy and Society Outlook 2026 | Spotlight on powering AI progress: The future of compute oecd · 2026 · Q000761 · Hintergrund, keine Belege

    Der Auszug skizziert Themen eines OECD-Spotlights zur Zukunft der KI-Rechenleistung, liefert aber keine konkreten Ergebnisse des vollständigen Beitrags.

  9. Strengthening the AI Assurance Ecosystem pai · 2026 · Q000791 · Hintergrund, keine Belege

    Der vorliegende Auszug fordert ein breit abgestütztes KI-Assurance-Ökosystem mit klaren Standards, vielfältigen Prüfern und besseren Informationsflüssen, um begründetes Vertrauen zu stärken.

  10. Claude-shaped science anthropic · 2026 · Q000831 · Hintergrund, keine Belege

    Schwartz zufolge kann KI mit BootLoops wissenschaftliche Berechnungen und fachübergreifende Arbeit stark beschleunigen, doch Ergebnisprüfung, fachliche Einordnung und Forschungsrichtung bleiben auf Menschen angewiesen.

  11. A scalable monitoring research agenda apollo · Q000867 · Hintergrund, keine Belege

    Der Berichtsauszug skizziert skalierbare Monitorforschung für Coding-Agenten und berichtet frühe Vorteile von Ensembles und Feinabstimmung; der angekündigte Abschnitt „Our findings“ fehlt.

  12. European AI Office eu · Q000876 · Hintergrund, keine Belege

    Das Europäische KI-Büro soll laut Bericht die EU-KI-Regeln umsetzen und durchsetzen sowie vertrauenswürdige KI fördern; konkrete Ergebnisse oder die Wirksamkeit seiner Maßnahmen bewertet der Text nicht.

  13. Mistral AI partners with NVIDIA to accelerate open frontier models mistral · 2026 · Q000894 · Hintergrund, keine Belege

    Mistral und NVIDIA kündigen die gemeinsame Entwicklung offener KI-Modelle an; bislang beschreibt der Bericht Pläne und erwartete Vorteile, keine erzielten Ergebnisse.

  14. Who’s who: who decides how AI is governed in 2027 x-posts · 2026 · Q000897 · Hintergrund, keine Belege · ohne Zusammenfassung
  15. The Policy Playbook cset · 2023 · Q000906 · Hintergrund, keine Belege

    Der vorliegende Auszug aus „The Policy Playbook“ empfiehlt, drei teils konkurrierende Technologie- und Sicherheitsziele mithilfe eines systemischen, anpassbaren Rahmens aus 15 politischen Hebeln auszubalancieren.

  16. The enforcement framework of the AI Act eu · Q000911 · Hintergrund, keine Belege

    Der Bericht skizziert Zuständigkeiten, Ermittlungs- und Bußgeldbefugnisse sowie den gestaffelten Zeitplan zur Durchsetzung des AI Act und bezeichnet sich als unverbindliche Informationsübersicht.

  17. Bringing open AI models to the frontier mistral · 2023 · Q000952 · Hintergrund, keine Belege

    Mistral AI kündigt offene Modelle wie Mistral 7B an und behauptet Leistungs-, Kosten- und Kontrollvorteile, belegt diese im Bericht jedoch nicht unabhängig.

  18. AI Factories eu · Q000961 · Hintergrund, keine Belege

    Laut Bericht baut die EU ein Netz aus AI Factories und plant Gigafactories aus, doch der Text beschreibt vor allem Vorhaben und Erwartungen statt nachgewiesener Ergebnisse.

  19. Mistral 7B mistral · 2023 · Q000967 · Hintergrund, keine Belege

    Mistral zufolge verbindet das frei lizenzierte Modell Mistral 7B hohe Benchmark-Leistung mit geringerem Rechen- und Speicherbedarf; die berichteten Werte stammen aus firmeneigenen Vergleichen, und die Chat-Version hat keine Moderation.

  20. AI Act eu · Q000990 · Hintergrund, keine Belege

    Der vorliegende Auszug erklärt Ziel und Begründung des risikobasierten AI Act und nennt begleitende EU-Initiativen, ohne die konkreten Regeln näher darzustellen.

  21. My Tailor is Mistral mistral · 2024 · Q001036 · Hintergrund, keine Belege

    Mistral stellt drei Feinabstimmungsangebote vor und behauptet Effizienzvorteile durch LoRA, wobei der Leistungsnachweis laut Bericht auf einem internen Benchmark beruht.

  22. ChatGPT plugins openai · 2023 · Q001037 · Hintergrund, keine Belege

    OpenAI beschreibt den begrenzten, experimentellen Start von ChatGPT-Plugins samt möglichem Nutzen und Sicherheitsrisiken; der Beitrag ist veraltet und belegt keine langfristigen Auswirkungen.

  23. We need 3rd party Training-Run Evaluations apollo · Q001040 · Hintergrund, keine Belege

    Apollo Research plädiert für unabhängige, schrittweise aufgebaute Prüfungen von KI-Trainingsläufen, um mögliche Risiken zu erkennen, die Tests am fertigen Modell übersehen könnten.

  24. The Global South can shape AI in practical terms: Why the India AI Impact Summit Matters oecd · 2026 · Q001073 · Hintergrund, keine Belege

    Der Blogbeitrag plädiert dafür, den Indien-Gipfel zu nutzen, um inklusive und messbare KI-Anwendungen sowie praktische Sicherheits- und Rechenschaftsregeln voranzubringen, berichtet aber keine tatsächlichen Gipfelergebnisse.

  25. A Causal Framework for AI Regulation and Auditing apollo · Q001077 · Hintergrund, keine Belege

    Der Auszug schlägt vor, KI-Audits entlang einer Kausalkette von den Systemwirkungen bis zu Training und Governance aufzubauen und Änderungen der verfügbaren Handlungsmöglichkeiten zu prüfen; detaillierte Nachweise enthält er nicht.

  26. AI Agents & Global Governance pai · 2025 · Q001079 · Hintergrund, keine Belege

    Der vorliegende Auszug fordert globale Regeln und Rechenschaft für KI-Agenten, weist aber auf erhebliche Durchsetzungs-, Haftungs- und Abstimmungslücken hin.

  27. A Starter Guide For Evals apollo · Q001083 · Hintergrund, keine Belege

    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.

  28. AI openness: Balancing innovation, transparency and risk in open-weight models oecd · 2025 · Q001090 · Hintergrund, keine Belege

    Der Beitrag plädiert dafür, offene KI-Gewichte anhand ihrer kontextabhängigen zusätzlichen Vorteile und Risiken zu beurteilen und solche Abwägungen in ein umfassendes Risikomanagement einzubetten.

  29. An Opinionated Evals Reading List apollo · Q001095 · Hintergrund, keine Belege

    Eine meinungsgeprägte, nicht vollständige Apollo-Leseliste führt durch LLM-Evaluationen und verwandte Themen und benennt dabei methodische Grenzen und offene Fragen.

  30. Post by @MOFCOM_China on X x-posts · 2026 · Q001098 · Hintergrund, keine Belege · ohne Zusammenfassung
  31. Risk Mitigation Strategies for the Open Foundation Model Value Chain pai · 2024 · Q001099 · Hintergrund, keine Belege

    Der Bericht empfiehlt gemeinsame, entlang der KI-Wertschöpfungskette verteilte Schutzmaßnahmen für offene Modelle, betont aber, dass ihre Durchsetzung schwierig ist und gemeinsame Risikoschwellen noch fehlen.

  32. Establishing the shared foundations for collective AI security oecd · 2026 · Q001131 · Hintergrund, keine Belege

    Der Bericht fordert gemeinsame internationale Forschung, Tests und Sicherheitspraktiken gegen Prompt-Injection, Agentenmissbrauch und Datenvergiftung, während er auf eine noch lückenhafte Evidenzbasis hinweist.

  33. Competition in the age of AI oecd · 2026 · Q001156 · Hintergrund, keine Belege

    Der bereitgestellte Auszug beschreibt KI-Wettbewerb als dynamisch, aber ungleichmäßig, und berichtet mehrere Zusammenhänge, ohne im Auszug deren Größenordnung oder Kausalität zu belegen.

  34. How Claude performs on robotics tasks anthropic · 2026 · Q001160 · Hintergrund, keine Belege

    Sprachmodelle werden bei Robotikaufgaben besser, doch ihre Leistung hängt stark von der Steuerungsschnittstelle ab und bleibt bei komplexen Aufgaben unzuverlässig.

  35. AI Board eu · Q001165 · Hintergrund, keine Belege

    Laut Bericht koordiniert und berät das AI Board zur EU-KI-Politik und zum AI Act; die Seite nennt Sitzungen und Fachpapiere, enthält aber keine unabhängige Wirksamkeitsbewertung.

  36. Post by @scottlincicome on X x-posts · 2026 · Q001187 · Hintergrund, keine Belege · ohne Zusammenfassung
  37. Post by @DSCI_Connect on X x-posts · 2026 · Q001207 · Hintergrund, keine Belege · ohne Zusammenfassung
  38. Does Robustness Improve with Scale? farai · 2026 · Q001208 · Hintergrund, keine Belege · ohne Zusammenfassung
  39. Evaluating RAG with LLM as a Judge mistral · 2025 · Q001239 · Hintergrund, keine Belege

    Mistral beschreibt die RAG-Triade und strukturierte Ausgaben als Ansatz zur LLM-gestützten RAG-Bewertung, belegt deren Wirksamkeit im Beitrag aber nicht durch Versuchsergebnisse.

  40. A Primer on the EU AI Act: What It Means for AI Providers and Deployers openai · 2024 · Q001246 · Hintergrund, keine Belege

    OpenAI erläutert Verbote, Risikoklassen, Pflichten und Fristen des EU AI Act und berichtet über eigene Compliance-Schritte, wobei der Überblick zeitgebunden ist und Umsetzungsdetails offenließ.

  41. Key Takeaways from the 2026 WAIC Frontier and Agentic AI Safety Forum in Shanghai aisafetychina · 2026 · Q001269 · Hintergrund, keine Belege

    Ein Veranstalterbericht über ein WAIC-Forum, das angesichts rasch wachsender KI-Fähigkeiten bessere Sicherheitsprüfungen, Agentenaufsicht und internationale Zusammenarbeit fordert.

  42. Mistral AI mistral · 2025 · Q001272 · Hintergrund, keine Belege

    Mistral kündigt das frei lizenzierte Modell Devstral für agentische Programmieraufgaben an und berichtet über starke Benchmark-Ergebnisse, die im vorliegenden Text nicht unabhängig überprüft werden.

  43. The Promise of White-Box Tools for Detecting and Mitigating AI Deception farai · 2026 · Q001284 · Hintergrund, keine Belege · ohne Zusammenfassung
  44. A five-step roadmap to closing the AI evaluation gap oecd · 2026 · Q001292 · Hintergrund, keine Belege

    Der Bericht schlägt fünf Schritte vor, um KI-Prüfungen realistischer, kontextgerechter und vertrauenswürdiger zu machen, räumt aber ein, dass die Lücke noch nicht geschlossen ist und die erwarteten Vorteile nicht nachgewiesen sind.

  45. Challenges in evaluating AI systems anthropic · 2023 · Q001347 · Hintergrund, keine Belege · ohne Zusammenfassung
  46. European approach to artificial intelligence eu · Q001353 · Hintergrund, keine Belege

    Die EU verbindet laut Bericht KI-Förderung mit Regulierung, doch die Seite nennt vor allem Ziele und Maßnahmen und führt uneinheitliche Daten zum KI-Gesetz an.

  47. National Standard of the People's Republic of China: Cybersecurity Technology - Basic Safety Requirements for Generative Artificial Intelligence Services cset · 2026 · Q001401 · Hintergrund, keine Belege

    Der bereitgestellte Auszug stellt Chinas Standard GB/T 45654—2025 für die Sicherheit generativer KI vor und berichtet über CSETs Zweifel an seiner Durchsetzbarkeit.

  48. Ecosystem for AI innovation in Europe eu · Q001417 · Hintergrund, keine Belege

    Die Kommission beschreibt ein Netz aus Infrastruktur, Testmöglichkeiten, Regulierungshilfen und Qualifizierung, um KI-Innovation in Europa zu unterstützen; der Bericht enthält keine unabhängige Wirkungsbewertung.

  49. Machines, Bureaucracies, and Markets as Artificial Intelligences cset · 2022 · Q001451 · Hintergrund, keine Belege

    Der Auszug plädiert dafür, Maschinen, Märkte und Bürokratien gemeinsam als datenverarbeitende künstliche Intelligenzen zu betrachten, deren Wechselwirkungen neue Regulierungsfragen aufwerfen.

  50. Questions and answers on the code of practice for General-Purpose AI eu · Q001467 · Hintergrund, keine Belege

    Der Auszug erklärt Zweck, Themen und Zeitplan des freiwilligen EU-Kodex für GPAI-Anbieter und endet mit einer unbeantworteten Frage nach weiteren Informationen.

  51. Seoul Alignment Workshop 2026: What We Learned farai · 2026 · Q001483 · Hintergrund, keine Belege · ohne Zusammenfassung
  52. European research development and deployment of AI eu · Q001484 · Hintergrund, keine Belege

    Der Bericht beschreibt EU-Förderung und politische Maßnahmen für vertrauenswürdige KI, Frontier-KI und deren Einsatz, ohne ihre Wirkung unabhängig zu bewerten.

  53. Paris AI Security Forum 2025 farai · 2026 · Q001500 · Hintergrund, keine Belege · ohne Zusammenfassung
  54. 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.

  55. Introducing Forge | Mistral AI mistral · 2026 · Q001520 · Hintergrund, keine Belege

    Mistral kündigt Forge für das Training unternehmensspezifischer KI-Modelle an, doch der Beitrag beschreibt vor allem erwartete Vorteile und enthält keine unabhängigen Leistungsnachweise.

  56. 2023: A Year of Groundbreaking Advances in AI and Computing deepmind · 2023 · Q001529 · Hintergrund, keine Belege

    Google berichtet über zahlreiche KI- und Forschungsfortschritte 2023, wobei die genannten Ergebnisse überwiegend eigene Unternehmensangaben und teils vorläufig sind.

  57. Frontier Risk Report (February to March 2026) metr · 2026 · Q001569 · Hintergrund, keine Belege

    METR sah im Pilotprojekt die Möglichkeit kleiner Rogue Deployments, aber keine beobachtete Fähigkeit, größere Vorhaben vor aktiver Untersuchung zu verbergen; Täuschung und Überwachungslücken bleiben relevante, nur begrenzt gemessene Risiken.

  58. Why we no longer evaluate SWE-bench Verified openai · 2026 · Q001600 · Hintergrund, keine Belege

    OpenAI stellt SWE-bench Verified wegen problematischer Tests und möglicher Trainingsdaten-Kontamination als Fortschrittsmaß infrage und empfiehlt stattdessen SWE-bench Pro, das ebenfalls nicht fehlerfrei sei.

  59. The OECD’s new responsible AI guidance: A compass for businesses in a complex terrain oecd · 2026 · Q001623 · Hintergrund, keine Belege

    Laut OECD soll eine neue Leitlinie Unternehmen helfen, KI-Risiken entlang der Wertschöpfungskette zu bewältigen und dadurch Vertrauen sowie mögliche Wettbewerbsvorteile zu gewinnen.

  60. Illusory Safety: Redteaming DeepSeek R1 and the Strongest Fine-Tunable Models of OpenAI, Anthropic, and Google farai · 2026 · Q001638 · Hintergrund, keine Belege · ohne Zusammenfassung
  61. Three-Year Action Plan for "Data Factor of Production ×" cset · 2026 · Q001646 · Hintergrund, keine Belege

    Der vorliegende Auszug beschreibt Chinas Plan, Daten umfassender wirtschaftlich zu nutzen, nennt erwartete Vorteile und bestehende Hindernisse, enthält aber keine konkreten Umsetzungsergebnisse; der Rest der Übersetzung liegt laut Quelle als PDF vor.

  62. Open Models, Soft Power, and the Spectrum of U.S.-China Artificial Intelligence Competition cset · 2026 · Q001670 · Hintergrund, keine Belege

    Der Auszug beschreibt offene KI-Modelle als Teil des Einflusswettbewerbs zwischen den USA und China und gibt die Empfehlung wieder, dass die USA ihr Ökosystem offener Modelle stärken, Exportkontrollen neu ausrichten und freizügige Lizenzen fördern sollten.

  63. Securing the Future of Trusted Semiconductor Supply Chains cset · 2026 · Q001685 · Hintergrund, keine Belege

    Der bereitgestellte Auszug argumentiert, dass hybride Souveränität und internationale Abhängigkeiten bei KI wahrscheinlicher sind als vollständige Eigenständigkeit, wodurch geopolitisch bedingte Zugangsbeschränkungen drohen könnten.

  64. The Case for Globally Beneficial Technology deepmind · 2026 · Q001699 · Hintergrund, keine Belege

    Der Abstract argumentiert, fortgeschrittene Technologien sollten zum Wohl aller entwickelt und verbreitet werden, erläutert die fünf dafür angeführten moralischen Begründungen jedoch nicht.

  65. Evaluating AI’s ability to perform scientific research tasks openai · 2025 · Q001727 · Hintergrund, keine Belege

    OpenAI präsentiert FrontierScience als anspruchsvollen, aber begrenzten Wissenschaftsbenchmark, bei dem GPT‑5.2 laut ersten Ergebnissen besonders bei Olympiad-Aufgaben stark abschneidet.

  66. Trustworthy agents in practice anthropic · 2026 · Q001742 · Hintergrund, keine Belege · ohne Zusammenfassung
  67. VLM-RM: Specifying Rewards with Natural Language farai · 2026 · Q001757 · Hintergrund, keine Belege · ohne Zusammenfassung
  68. Template for general-purpose AI model providers to summarise their training content eu · Q001793 · Hintergrund, keine Belege

    Laut EU-FAQ müssen Anbieter allgemeiner KI-Modelle auf dem Unionsmarkt ihre Trainingsinhalte nach einer verbindlichen Vorlage öffentlich zusammenfassen, mit begrenzten und zu begründenden Informationslücken.

  69. 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.

  70. China Speeds AI Law; DeepSeek, Alibaba Face Disclosure Push fourweekmba.com · 2026 · Q001842 · Hintergrund, keine Belege

    China kündigt ein umfassendes KI-Gesetz mit Sicherheits- und Meldeanforderungen an, doch Entwurf, Zeitplan und konkrete Pflichten bleiben laut Bericht offen.

  71. A Socio-technical approach to AI literacy: A quick guide oecd · 2025 · Q001870 · Hintergrund, keine Belege

    Der Bericht plädiert für umfassende KI-Kompetenz, die technische Fähigkeiten mit kritischer, verantwortlicher und menschenzentrierter Anwendung im jeweiligen sozialen und organisatorischen Kontext verbindet.

  72. Large language models possess some ecological knowledge, but how much? deepmind · Q001875 · Hintergrund, keine Belege

    Sprachmodelle zeigen ökologisches Wissen, doch laut Bericht reichen ihre Fähigkeiten besonders bei räumlich präzisen und naturschutzrelevanten Aufgaben nicht für verlässliche Entscheidungen ohne externe Daten und menschliche Prüfung aus.

  73. Announcing the Partnership on AI to Benefit People & Society deepmind · 2016 · Q001877 · Hintergrund, keine Belege

    Die 2016 angekündigte Partnerschaft soll den offenen, ethischen Austausch über KI fördern; der Beitrag nennt Absichten, aber keine späteren Ergebnisse.

  74. Inside our approach to the Model Spec openai · 2026 · Q001880 · Hintergrund, keine Belege

    OpenAI stellt die Model Spec als öffentliches, veränderbares Zielbild für Modellverhalten dar, räumt Umsetzungslücken ein und beschreibt Training, Rückmeldungen und Tests als Wege zur Annäherung.

  75. Exploiting Novel GPT-4 APIs farai · 2026 · Q001886 · Hintergrund, keine Belege · ohne Zusammenfassung
  76. Improving Code Generation by Training with Natural Language Feedback farai · 2026 · Q001913 · Hintergrund, keine Belege · ohne Zusammenfassung
  77. How We Protect Confidential Information metr · 2026 · Q001966 · Hintergrund, keine Belege

    METR berichtet über organisatorische und technische Schutzmaßnahmen für vertrauliche Informationen und nichtöffentliche Modelle; die Angaben sind ein veränderlicher Überblick des Unternehmens mit Stand 17. Februar 2026.

  78. Sora System Card openai · 2024 · Q001978 · Hintergrund, keine Belege

    OpenAIs Bericht beschreibt Soras Fähigkeiten und Schutzmaßnahmen, nennt deren Testwerte, räumt aber Umgehungsmöglichkeiten und Grenzen ein, ohne eine unabhängige Bestätigung der Wirksamkeit vorzulegen.

  79. Frontier AI Frameworks Workstream fmf · 2025 · Q001981 · Hintergrund, keine Belege · ohne Zusammenfassung
  80. Public AI: Policies for democratic and sustainable AI infrastructures oecd · 2025 · Q001989 · Hintergrund, keine Belege

    Der Beitrag plädiert für offene, demokratisch kontrollierte und nachhaltige KI als digitales öffentliches Gut und empfiehlt dafür koordinierte Maßnahmen bei Rechenleistung, Daten und Modellen.

  81. Open technical problems in open-weight AI model risk management aisi · 2025 · Q002007 · Hintergrund, keine Belege

    Der vorliegende Abstract skizziert 16 offene Sicherheitsprobleme bei KI-Modellen mit offenen Gewichten und fordert mehr Transparenz über Forschung, Methoden und Evaluationen.

  82. Pretraining Language Models with Human Preferences farai · 2026 · Q002029 · Hintergrund, keine Belege · ohne Zusammenfassung
  83. Evaluating social and ethical risks from generative AI deepmind · 2023 · Q002034 · Hintergrund, keine Belege

    Die Autorinnen und Autoren plädieren für eine kontextbezogene Bewertung generativer KI, die neben Modellfähigkeiten auch menschliche Nutzung und gesellschaftliche Folgen untersucht.

  84. 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.

  85. Six crucial policy considerations for AI, data governance and privacy: Insights from the OECD oecd · 2024 · Q002052 · Hintergrund, keine Belege

    Die OECD plädiert dafür, Datenschutz über den gesamten KI-Lebenszyklus einzubauen und durch gemeinsame politische Standards sowie internationale Kooperation zu stärken.

  86. Shaping Europe’s digital future eu · Q002055 · Hintergrund, keine Belege

    Kaspersky berichtet über KI-Leitlinien und Schulungen für Beschäftigte und externe Gruppen; die Angaben, darunter eine Abschlussquote von über 95 Prozent, werden im Text nicht unabhängig überprüft.

  87. A new expert group at the OECD for policy synergies in AI, data and privacy oecd · 2024 · Q002064 · Hintergrund, keine Belege

    Die OECD-Expertengruppe soll die Zusammenarbeit zwischen KI- und Datenschutzgemeinschaften stärken; der Beitrag skizziert ihre Ziele, nicht bereits erzielte Ergebnisse.

  88. Can mid-sized economies come together to build frontier AI? oecd · 2025 · Q002082 · Hintergrund, keine Belege

    Der Bericht argumentiert, dass mittelgroße Volkswirtschaften durch gemeinsame KI-Entwicklung Abhängigkeiten verringern könnten, warnt jedoch, dass Kooperation und Erfolg nicht garantiert sind.

  89. Facing the stakes of AI together: The Seventh Edition of the Athens Roundtable on AI and the Rule of Law oecd · 2025 · Q002101 · Hintergrund, keine Belege

    Der angekündigte Roundtable soll internationale Zusammenarbeit zur KI-Governance stärken, doch der Bericht schildert Ziele und Programm statt Veranstaltungsergebnisse.

  90. Training Language Models with Language Feedback farai · 2026 · Q002112 · Hintergrund, keine Belege · ohne Zusammenfassung
  91. Training Language Models with Language Feedback at Scale farai · 2026 · Q002117 · Hintergrund, keine Belege · ohne Zusammenfassung
  92. 人工智能控制:如何利用违规人工智能体 cset · 2025 · Q002124 · Hintergrund, keine Belege

    KI-Kontrolle soll gefährliche Handlungen autonomer Agenten begrenzen, doch ihre Wirksamkeit bei sehr leistungsfähigen Systemen sowie Kosten und Prüfaufwand bleiben laut Bericht offen.

  93. ABOUT ML Reference Document pai · 2021 · Q002142 · Hintergrund, keine Belege

    Der vorliegende Auszug skizziert den Zweck des ABOUT-ML-Referenzdokuments und gibt rollenbezogene Leseempfehlungen, ohne Ergebnisse oder Wirksamkeit zu belegen.

  94. LLM judges on trial: A new statistical framework to assess autograders aisi · 2025 · Q002181 · Hintergrund, keine Belege

    Vorgeschlagene bayesianische GLMs sollen KI-Ausgaben bewerten und zugleich mögliche Verzerrungen der Autograder untersuchen; konkrete Leistungsnachweise enthält der Bericht nicht.

  95. From “black box AI” to operational AI transparency: How the HAIP Reporting Framework can play an important role in global AI governance oecd · 2025 · Q002204 · Hintergrund, keine Belege

    Der Beitrag sieht HAIP als ausbaufähigen freiwilligen Rahmen für vergleichbare KI-Transparenz, dessen Nutzen bislang vor allem als Potenzial beschrieben wird.

  96. 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.

  97. Le rôle du Gouvernement en tant que fournisseur de données pour l’Intelligence Artificielle Phase 2 : Un outil pratique pour le partage de données gouvernementales pour l’IA oecd · 2025 · Q002224 · Hintergrund, keine Belege

    Der vorliegende Auszug beschreibt eine OECD-Checkliste für Regierungsteams, die das Teilen staatlicher Daten für KI planen oder bewerten sollen, und nennt dabei öffentliche Interessen und Rechte als Ziele.

  98. Early Insights from Developing Question-Answer Evaluations for Frontier AI aisi · 2024 · Q002266 · Hintergrund, keine Belege

    Das damalige AI Safety Institute beschreibt offene KI-Frage-Antwort-Tests als nützliches, aber laufend zu überprüfendes Verfahren, das sorgfältige Fragen, Bewertungsregeln, Bewerterprüfungen und passende menschliche Vergleiche erfordert.

  99. Effective context engineering for AI agents anthropic · 2025 · Q002268 · Hintergrund, keine Belege · ohne Zusammenfassung
  100. G7 AI transparency reporting: Ten insights for AI governance and risk management oecd · 2025 · Q002277 · Hintergrund, keine Belege

    20 freiwillige HAIP-Berichte zeigen laut OECD vielfältige Ansätze für KI-Risikomanagement und Transparenz, zugleich bleiben Vergleichbarkeit und technische Herkunftsnachweise begrenzt.

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →