- Data Governance Working Group A Framework Paper for GPAI’s work on Data Governance
Der vorliegende Text ist nur ein Auszug: Er beschreibt eine GPAI-Arbeitsgruppe für verantwortungsvolle Datenverwaltung im KI-Kontext und ein Rahmenpapier, das ausdrücklich vorläufig ist.
- Anthropic raises Series B to build robust AI
Anthropic kündigt eine Series-B-Finanzierung über 580 Millionen US-Dollar für KI-Sicherheitsforschung an, ohne in der Mitteilung die Wirksamkeit seiner Schutzmaßnahmen unabhängig nachzuweisen.
- Exploring Clusters of Research in Three Areas of AI Safety
Der Auszug stellt drei Teilbereiche der KI-Sicherheitsforschung und die geplante CSET-Analyse vor, enthält aber keine konkreten Untersuchungsergebnisse.
- Andrew Lohn's Testimony before the Senate Armed Services Subcommittee on Cybersecurity
Lohn warnt vor wachsenden Möglichkeiten für KI-gestützte Cyberangriffe und Angriffen auf KI-Systeme, betont aber die begrenzte öffentliche Beleglage und die weiterhin zentrale Rolle von Menschen.
- Human, or human-like? Transparency for AI-generated content
Die Autoren fordern verpflichtende, kostenlose Detektoren für KI-generierte Inhalte und benennen technische, Datenschutz- und Durchsetzungsgrenzen.
- Lessons for businesses and regulators on implementing trustworthy AI
Aus sieben Unternehmensfallstudien leitet der OECD-Beitrag Empfehlungen zu Governance, verständlicher Erklärung, Schulung und Feedback ab und rät Regulierenden zu praktischen Fairness-Leitlinien unter Beachtung von Datengrenzen.
- The OECD Framework for Classifying AI Systems to assess policy challenges and ensure international standards in AI
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.
- An open call for input from GPAI’s Data Governance Working Group
Der Beitrag stellt einen vorläufigen GPAI-Rahmen für Daten-Governance und einen Aufruf zur Rückmeldung vor, berichtet aber noch keine abschließenden Forschungsergebnisse.
- GPT-5 May Be Proof That Scaling Alone Can’t Save AI
Der Bericht behauptet, dass die Skalierung von KI-Modellen zunehmend teurer wird und weniger bringt, während Datenqualität, Rechenleistung und Zuverlässigkeit wichtige Grenzen setzen.
- Special meeting of the AI Scientific Panel
Das EU-KI-Gremium empfahl angesichts von Kontrollverlust-Vorfällen und sinkender Modellüberwachbarkeit bessere Aufsicht, Untersuchungsfähigkeit und internationale Zusammenarbeit; über abschließende Ergebnisse oder Umsetzung berichtet der Text nicht.
- Developing Gemini 4 Argon responsibly and safely
Google zufolge soll Gemini 4 Argon trotz gestiegener Fähigkeiten durch mehrschichtige Prüfungen, laufende Überwachung und Training gegen Missbrauch, Grenzverletzungen und Prompt Injection abgesichert werden; die Wirksamkeitsangaben beruhen auf Googles eigenen Tests.
- AI in combat: When humans are in the loop, but not in control
Wirksame menschliche Kontrolle über militärische KI erfordert laut Artikel mehr als ein formales Vetorecht: Sie braucht verständliche Systeme, geschultes Personal und Organisationen, die sorgfältige Prüfung ermöglichen und belohnen.
- Canada and Europe Need a Way to See the AI They Cannot Access
Bello fordert gemeinsame staatliche Mess- und Meldeverfahren, damit Kanada und Europa auch Fähigkeiten unveröffentlichter KI-Systeme beurteilen können.
- Washington’s Bet on Superintelligence
- Frontier AI: what the international standards system already offers
- India's AI security framework: Will OpenAI, Anthropic have to comply?
- China’s AI Export Draft Puts Its Paperwork on Deals
- Article 50(2) AI Act: Marking AI Content with C2PA
Laut Bericht müssen Anbieter generative KI-Ausgaben kennzeichnen, C2PA deckt dabei nur die Metadatenebene ab, und Unternehmen sollen Zuständigkeiten, technische Kennzeichnungen und Belege prüfen.
- What Article 50 Actually Requires Before December 2: Text Watermarks, Detection Limits and the Grace Period
Laut Bericht müssen generative KI-Anbieter ihre Inhalte kennzeichnen, doch Wasserzeichen bleiben begrenzt zuverlässig und die Übergangsfrist für ältere Systeme endet am 2. Dezember.
- Marking, Provenance, Authenticity: Three Different Things
- The C2PA Train Has Left the Station and Is Accelerating Quickly. Don’t Get Left Behind.
- AI Disclosure in Ads: EU Labeling Rules 2026
Laut Bericht brauchen nicht authentische KI-Darstellungen von Menschen oder realen Ereignissen einen sichtbaren oder hörbaren Hinweis; Metadaten und Plattformlabels helfen, ersetzen ihn aber nicht.
- Post by @RhysSullivan on X
- 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.
- Bridging frameworks: How HAIP 2.0 supports interoperability with the EU AI Act
HAIP 2.0 soll EU-Regeln durch freiwillige, öffentliche und international vergleichbare Berichte ergänzen; die berichteten Überschneidungen beruhen auf einer unabhängigen CeSIA-Analyse, und die praktische Wirkung hängt von tatsächlichen Offenlegungen ab.
- A Sociotechnical Framework for Assessing Demographic Data Collection
Der Auszug argumentiert, dass Datenschutztechnik Risiken demografischer Datenerhebung mindern kann, aber eine umfassende soziotechnische Prüfung sozialer, rechtlicher und organisatorischer Folgen nicht ersetzt.
- 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.
- A Sociotechnical Examination of Differentially Private Federated Statistics as an Algorithmic Fairness Technique
DPFS kann Fairnessprüfungen datenschutzfreundlicher machen, doch ihr Nutzen hängt von inklusiver Gestaltung und einer kontextabhängigen Abwägung zwischen Privatsphäre, Genauigkeit und Sichtbarkeit betroffener Gruppen ab.
- 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.
- Post by @BrianRoemmele on X
- Franklin Templeton uses OpenAI to support investment research
Franklin Templeton will KI für vernetzte Investmentrecherche nutzen, doch der Bericht beschreibt vor allem Ziele und Unternehmensangaben, keine quantitativen Wirkungsnachweise.
- The First Year of Apollo Research
Apollo Research beschreibt eigene Fortschritte bei der Bewertung von KI-Täuschung und Interpretierbarkeit, benennt überwiegend negative empirische LIB-Ergebnisse und operative Schwierigkeiten und plant weitere Evaluationen sowie Governance-Arbeit.
- Machines, Bureaucracies, and Markets as Artificial Intelligences
Der Auszug plädiert dafür, Maschinen, Märkte und Bürokratien gemeinsam als datenverarbeitende künstliche Intelligenzen zu betrachten, deren Wechselwirkungen neue Regulierungsfragen aufwerfen.
- Introducing physics AI at Mistral: the foundation for engineering acceleration.
Mistral zufolge soll Physics AI industrielle Simulationen stark beschleunigen, doch der Beitrag belegt die versprochenen Vorteile nicht mit unabhängigen Messungen.
- Empowering YouTube creators with generative AI
DeepMind kündigt KI-generierte Bilder und Kurzvideos für YouTube Shorts an, beschreibt sie als kreative Unterstützung und nennt SynthID sowie YouTube-Hinweise zur Kennzeichnung.
- Artificial Intelligence in Health
Die EU-Kommission skizziert Infrastruktur, Regeln und Förderprogramme für KI im Gesundheitswesen, bewertet deren klinische Wirkung jedoch nicht systematisch.
- GPT-5.5 System Card
Der vorliegende Text ist nur ein Auszug: OpenAI beschreibt GPT‑5.5 und seine Sicherheitsprüfungen, nennt aber keine konkreten Evaluierungsergebnisse.
- Documenting the Impacts of Foundation Models
Der bereitgestellte Auszug skizziert vier Praktiken zur Dokumentation von Foundation-Model-Auswirkungen, fünf Hindernisse und dazugehörige Empfehlungen, ohne Methoden und Beispiele ausführlich darzustellen.
- Open Problems in Mechanistic Interpretability
- Data Poisoning in LLMs: Jailbreak-Tuning and Scaling Laws
- Bringing Facial Recognition Systems To Light
Der bereitgestellte Auszug unterscheidet Verifikation (1:1) von Identifikation (1:viele) und nennt Bildqualität sowie Trainingsdaten als Einflussfaktoren, enthält aber keine konkreten Genauigkeitswerte.
- Examining backdoor data poisoning at scale
Laut dem Berichtsauszug konnten in Tests bereits wenige manipulierte Dokumente KI-Modelle verschiedener Größen vergiften; die vollständigen Versuchsinformationen fehlen hier.
- Building safeguards for Claude
Anthropic schildert mehrstufige Schutzmaßnahmen für Claude, liefert im Bericht jedoch keine messbaren oder unabhängigen Belege für deren Gesamtwirksamkeit.
- Fairer Algorithmic Decision-Making and Its Consequences: Interrogating the Risks and Benefits of Demographic Data Collection, Use, and Non-Use
Der Auszug argumentiert, dass demografische Daten algorithmische Fairness unterstützen können, ihre Erhebung und Nutzung aber Risiken birgt und nicht von Schäden durch das System selbst ablenken sollte.
- Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples
Der bereitgestellte Abstract-Auszug berichtet, dass laut den Autoren etwa 250 vergiftete Dokumente unterschiedlich große Sprachmodelle ähnlich kompromittieren können, und betont den weiteren Forschungsbedarf zu Abwehrmaßnahmen.
- Details about METR's preliminary evaluation of Claude 3.7
METR berichtet über vielversprechende, aber vorläufige Leistungen von Claude 3.7 Sonnet und betont, dass die begrenzte Evaluation keine robuste Gesamtaussage zu seinen Fähigkeiten oder Risiken erlaubt.
- Details about METR's preliminary evaluation of DeepSeek-V3
METR zufolge zeigte DeepSeek-V3 in einer vorläufigen, begrenzt optimierten Evaluation keine klar über frühere Spitzenmodelle hinausgehenden autonomen Fähigkeiten, wobei weitere Erschließung die Ergebnisse ändern könnte.
- A mathematical philosophy of explanations in mechanistic interpretability
Der bereitgestellte Text ist nur ein Abstract-Auszug: Die Autoren begründen MI als Suche nach falsifizierbaren, kausal-mechanistischen Modellerklärungen und postulieren Erklärungoptimismus als notwendige Erfolgsbedingung.
- AlphaFold: Five Years of Impact
Der Bericht schildert AlphaFolds wissenschaftliche Reichweite und Anwendungen, bietet aber keine umfassende Bewertung seiner Grenzen; der Quelltext endet mitten in einer Abbildungsbeschreibung.
- Issue Brief: Foundational Security Practices
- Introducing the next generation of Claude
Anthropic stellt Claude 3 vor und berichtet über eigene Tests von Leistungs-, Genauigkeits- und Sicherheitsverbesserungen, deren Ergebnisse im Bericht nicht vollständig unabhängig überprüft werden.
- https://bmjopen.bmj.com/content/bmjopen/14/3/e079105.full.pdf
Das Protokoll skizziert eine geplante, partizipative Delphi-Studie zu akzeptabler Nutzung von SOGI-Daten in der psychischen Gesundheitsversorgung, deren Ergebnisse noch nicht berichtet werden.
- Sharing trustworthy AI models with privacy-enhancing technologies
Der bereitgestellte Text ist nur ein kurzer Auszug: Er beschreibt mögliche Vorteile von PETs für vertrauensvolle KI-Kooperation, weist auf ungelöste Abwägungen hin und nennt politische Fördermaßnahmen, ohne Methodik oder konkrete Wirkungsdaten darzulegen.
- New generative AI tools open the doors of music creation
Google kündigt generative Musikwerkzeuge mit Echtzeitsteuerung und neuen Kompositionsfunktionen an; die Sandbox war zunächst nur für ausgewählte Tester vorgesehen, und Qualitätsaussagen stammen von Google.
- Computational and systems neuroscience: The next 20 years
Der Perspektivbeitrag plädiert dafür, KI und große Hirndaten mit interpretierbaren, hypothesengeleiteten Modellen zu verbinden, statt Datenfülle oder leistungsstarke Netze allein als Erklärung des Gehirns zu betrachten.
- Dario Amodei's remarks at the AI Safety Summit
Anthropic will KI-Risiken durch regelmäßige Tests, gestufte Sicherheitsauflagen und klare Verantwortlichkeit begrenzen und sieht seine Richtlinie als Prototyp für künftige Regulierung.
- Introducing Anthropic's Transparency Hub
Anthropic kündigt einen Hub mit Informationen zu KI-Sicherheit und Transparenz an; konkrete Kennzahlen oder eine unabhängige Bewertung enthält der Artikel nicht.
- b279f11 - Partnership on AI
Der vorliegende Auszug beschreibt positive frühe Reaktionen auf DeepMinds Leitlinien für Datenanreicherungsprojekte, betont aber, dass ihre Wirkung auf Arbeitskräfte noch unklar ist und weitere Anpassungen nötig sind.
- Governing with artificial intelligence: Are governments ready?
Die OECD-Zusammenfassung sieht in KI Chancen für Verwaltung und öffentliche Dienste, fordert aber klare Strategien, Kompetenzen, Schutzregeln und Zusammenarbeit, um Risiken wie Verzerrung, Intransparenz und Datenschutzprobleme zu begrenzen.
- Algorithmic transparency in the public sector: A state-of-the-art report of algorithmic transparency instruments
Der Auszug beschreibt ein GPAI-Projekt, das öffentliche Algorithmusregister und weitere Transparenzinstrumente untersuchen soll; Ergebnisse liegen im bereitgestellten Text noch nicht vor.
- Transparency Mechanisms for Social Media Recommender Algorithms: From Proposals to Action
Der vorliegende Auszug schlägt vor, unternehmensinterne Methoden zur Untersuchung möglicher Schäden durch Empfehlungsalgorithmen über Transparenzmechanismen für öffentliche Fragen nutzbar zu machen.
- State-of-the-art Foundation AI Models Should be Accompanied by Detection Mechanisms as a Condition of Public Release
Der Auszug skizziert Foundation-Modelle und kündigt die Forderung an, ihre öffentliche Freigabe an Erkennungsmechanismen zu knüpfen, enthält aber keine nähere Begründung oder Umsetzung.
- Social Media Governance Policy Brief: How the DSA can enable a public science of digital platform social impacts (policy brief)
Der vorliegende Auszug beschreibt DSA-Prüfungen und geplanten Datenzugang für Forschende, enthält aber nicht den vollständigen Policy Brief.
- The Role of Government as a Provider of Data for Artificial Intelligence
Der vorliegende Auszug sieht in staatlichen Daten Chancen für KI, betont aber faire und transparente Zugangsmodelle sowie rechtliche Vorgaben und Datenminimierung.
- The Role of Government as a Provider of Data for Artificial Intelligence Phase 1 Full Report
Der kurze Auszug beschreibt staatliche Daten als mögliche Grundlage für verantwortungsvolle KI, nennt mehrere Bereitstellungsmodelle und betont rechtliche sowie datenschutzbezogene Anforderungen.
- Key Concepts in AI Safety: Interpretability in Machine Learning
Der Auszug betont, dass nachvollziehbare ML-Entscheidungen für Aufsicht und Erklärungsansprüche wichtig sind, enthält aber keine konkreten Methoden oder Ergebnisse.
- Key Concepts in AI Safety: An Overview
Der bereitgestellte Auszug beschreibt drei technische Bereiche der KI-Sicherheit – Robustheit, Assurance und Spezifikation – und grenzt sie von nicht behandelten Einführungsfragen ab.
- The Role of Government as a Provider of Data for Artificial Intelligence – Phase I Full Report
Der vorliegende Auszug zufolge kann staatlicher Datenaustausch verantwortungsvolle KI unterstützen, muss aber rechtliche Grundlagen, Zweckbindung und Datenminimierung beachten.
- The Podcast: Episode 2: Go to Zero
Die Seite stellt eine Podcastfolge über AlphaGo und AlphaZero vor, bietet aber außer einer knappen Beschreibung und weiterführenden Links keine ausführlichen Gesprächsinhalte.
- China and Medical AI
Nur die Executive Summary liegt vor: Der Bericht sieht Chinas Strategie für Biodaten, Forschung und Kommerzialisierung medizinischer KI als möglichen Weg zur wirtschaftlichen und technologischen Führungsrolle.
- How Itaú is building generative AI for its entire customer base
Itaú will mit der KI-Schnittstelle ia.i Finanzdienste vereinfachen und mit IARA ihre Nutzung steuern; die berichteten Ergebnisse und Ziele beruhen auf Angaben der Bank.
- 39ecbbf
Der bereitgestellte Auszug argumentiert, dass demografische Daten bei algorithmischer Fairness helfen können, aber auch Risiken bergen und von grundsätzlichen Schäden durch den Systemeinsatz ablenken können.
- 477ee22
Der Berichtsauszug warnt, dass fehlende demografische Daten Diskriminierung verdecken können, während ihre Erhebung zwar Prüfungen erleichtert, aber Beteiligung erfordert und Überwachung verstärken kann.
- abd4c48
Der Auszug warnt, dass verzerrte und uneinheitliche Strafjustizdaten Risikobewertungen unzuverlässig machen können, und fordert bessere Messung sowie überprüfbare, lokal passende Korrekturen.
- e3d2b8f
Der Berichtsauszug fordert unabhängige, regelmäßig veröffentlichte Prüfungen von Risikobewertungsinstrumenten und ausreichende Daten, Finanzierung und Expertise dafür.
- Crowdsourcing the curation of the training set for harmful content classifiers used in social media
Der bereitgestellte Auszug skizziert die Rolle von KI und menschlicher Arbeit bei der Moderation sozialer Medien, enthält aber keine Angaben zum titelgebenden Crowdsourcing oder zu Untersuchungsergebnissen.
- 5087157
Der vorliegende Auszug warnt, dass unklare Erklärungen und irreführend verstandene Risikostufen Fairness beeinträchtigen können, und fordert verständliche Anzeigen sowie weitere Nutzungsforschung.
- ecafb94 - Partnership on AI
Der vorliegende Berichtsauszug fordert getrennte, kontextgerechte Risikoprognosen und Schutz vor Fehlgebrauch automatisierter Bewertungen durch bessere Verständlichkeit, Unsicherheitshinweise und Schulung.
- Data Governance Working Group Report
Der kurze Auszug besagt, dass staatliche Daten gesellschaftliche Herausforderungen sichtbar machen und KI-Lösungen unterstützen könnten, erläutert aber weder Belege noch Risiken.
- Genie 3: A new frontier for world models
DeepMind präsentiert Genie 3 als interaktives Weltmodell für dynamische Simulationen, weist aber auf deutliche Grenzen bei Handlungsspielraum, Genauigkeit und Interaktionsdauer hin.
- Techniques to Make Large Language Models Smaller: An Explainer
Der bereitgestellte Textauszug stellt drei Verfahren zum Verkleinern von Sprachmodellen vor und behauptet, dass kleinere offene Modelle den Zugang erleichtern, ihre wachsende Verbreitung aber schwerer kontrollierbar machen könnte.
- AI and the Future of Disinformation Campaigns
Der vorliegende Auszug warnt, KI könne Desinformationskampagnen bereits verstärken und empfiehlt eine koordinierte Abwehr durch Technik, Plattformen, Forschung, Medien, Regierungen und informierte Öffentlichkeit.
- Article 55: Obligations of Providers of General-Purpose AI Models with Systemic Risk | EU Artificial Intelligence Act
Artikel 55 verpflichtet laut Bericht Anbieter von KI-Modellen mit systemischen Risiken zu Risikoprüfung, Vorfallsmeldung und Cybersicherheit und regelt mögliche Konformitätsnachweise sowie Vertraulichkeit.
- System One
TypeSafe beschreibt System One als Modellklasse für strukturierte Entscheidungen in Software; Kalibrierung soll Unsicherheit abbilden, garantiert aber keine einzelne richtige Vorhersage.
- AI primer
TypeSafe wirbt für RLCD mit prüfbaren Entscheidungen und kalibrierter Unsicherheit in der Automatisierung, belegt die behaupteten Vorteile im Bericht aber nicht durch Vergleichsdaten.
- A glimpse of the next generation of AlphaFold
Google DeepMind und Isomorphic Labs berichten von einer erweiterten AlphaFold-Generation, doch der Beitrag belegt ihre Leistungsansprüche nicht mit konkreten Messwerten oder unabhängiger Prüfung.
- Introducing Claude Haiku 4.5
Anthropic stellt Haiku 4.5 als schnelles, preisgünstiges Modell mit annähernder Spitzenleistung vor und berichtet über positive Sicherheitsmessungen, deren Aussagen und Testgrundlagen im Beitrag von Anthropic selbst stammen.
- AI for everyone? A roadmap to substantive equality in AI ecosystems
Der vollständige Artikel plädiert für menschenrechtsbasierte KI-Politik mit echter Beteiligung marginalisierter Gruppen, wirksamer Rechenschaft und kontextgerechter Umsetzung.
- Constitutional AI: Harmlessness from AI feedback
Der Abstract beschreibt Anthropics Training eines laut Unternehmen harmlosen, weniger ausweichenden Assistenten mit Regeln und KI-Feedback; der vollständige Bericht liegt hier nicht vor.
- Interpretability dreams
- ByteDance Seed
ByteDance berichtet über vielseitige Verbesserungen der Seed2.0-Modelle, doch die aufgeführten Benchmarks zeigen je nach Aufgabe unterschiedliche Ergebnisse und erlauben keine pauschale Überlegenheitsbehauptung.
- Seed News - ByteDance Seed Team
ByteDance zufolge erzielt das multimodale Agentenmodell Seed1.8 starke Ergebnisse in mehreren Benchmarks; die Angaben sind jedoch überwiegend anbieterseitig und im Text nicht vollständig überprüfbar.
- 09 – Copyright and data protection rights in co-generated input and output of generative AI
Der Auszug skizziert eine Studie zu Rechten an gemeinsam erzeugten KI-Ein- und Ausgaben in der EU, Japan und den USA, enthält jedoch keine Ergebnisse.
- Distributed representations: Composition and superposition
Der vorliegende Text ist nur ein unvollständiger Abstract-Auszug: Anthropic deutet verteilte Repräsentationen als Zusammenspiel von Komposition und Superposition, die laut Bericht in einem Zielkonflikt stehen.
- 16 – Algorithmic Transparency in the Public Sector Recommendations for Governments to Enhance the Transparency of Public Algorithms
Der vorliegende Auszug kündigt eine GPAI-Analyse zu Transparenzinstrumenten im öffentlichen Sektor und Empfehlungen für Regierungen an, nennt aber keine konkreten Ergebnisse.
- Everyone must understand the environmental costs of AI
Der Bericht fordert nachhaltigere KI durch weniger unnötige Daten und gezieltere Modelle, weist aber auf große Lücken bei der Messung der Umweltwirkungen hin.
- A framework for AI development transparency
Anthropic fordert flexible, gesetzliche Transparenzpflichten zu Sicherheitspraktiken für die größten KI-Entwickler und stellt sie als ersten Schritt zu mehr Rechenschaft dar.
- The limited benefit of recycling foundation models
Laut Bericht ist das Einsparpotenzial durch wiederverwendete Foundation Models in vereinfachten Modellen begrenzt und kann bei übernommenen alten Architekturen durch algorithmischen Fortschritt geschmälert werden.
- Measurements for understanding the pace of AI development inside frontier labs
Anthropic berichtet vorläufige Kennzahlen zu KI-Forschung, Agentenaufsicht und Sicherheits-Rechenleistung und fordert vergleichbare Messungen sowie unabhängige Prüfungen.
- Will we run out of data to train large language models?
Epoch AI schätzt rund 300 Billionen nutzbare Text-Tokens, deren vollständiger Verbrauch je nach Trainingsstrategie zwischen 2025 und 2032 liegen könnte.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →