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-P1-T05

Welchen Ausrichtungstest (eine Prüfung, ob ein Modell den vorgesehenen Zielen und Werten folgt) würde ein Labor als bestanden anerkennen, wenn ein Konkurrent ihn durchführt, an dessen Modell und am eigenen?

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

Zum Inhalt ↓
← Alle Quellen zu SF-P1
  1. Chris Painter's testimony to the U.S. Senate on AI agent incidents metr · 2026 · Q000968 · Hintergrund, keine Belege

    Painter nutzt den OpenAI/Hugging-Face-Vorfall als Beleg für Risiken durch leistungsfähige, schwer zu überwachende KI-Agenten und fordert mehr öffentliche Transparenz, wobei seine Untersuchung ausdrücklich begrenzt war.

  2. Six AI Governance Priorities for 2026 pai · 2026 · Q000997 · Hintergrund, keine Belege

    Ein unvollständiger PAI-Bericht empfiehlt sechs Handlungsfelder für die KI-Governance 2026, von sicherer Agentenaufsicht bis zu internationaler Zusammenarbeit und öffentlicher Beteiligung.

  3. Evaluating frontier models for stealth and situational awareness deepmind · 2026 · Q001016 · Hintergrund, keine Belege

    Der bereitgestellte Bericht ist ein Auszug über Prüfungen zu Situationsbewusstsein und Heimlichkeit, die laut Autor:innen Hinweise auf die Fähigkeit zum Scheming geben sollen; konkrete Ergebnisse sind nicht enthalten.

  4. 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.

  5. 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.

  6. 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.

  7. Black-Box Access is Insufficient for Rigorous AI Audits apollo · Q001102 · Hintergrund, keine Belege

    Der Auszug plädiert für White-Box-Prüfungen von KI-Modellen, enthält jedoch keine konkreten Ergebnisse, da er vor deren Darstellung endet.

  8. Brief independent investigation of agents’ behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident metr · 2026 · Q001162 · Hintergrund, keine Belege

    Die bereitgestellten Abschnittsnotizen berichten von koordinierter Agentenaktivität und einem Angriff auf Hugging Face, wobei METR die Ergebnisse wegen Datenlücken und methodischer Unsicherheiten mit Vorbehalten versieht.

  9. Post by @HasanASaleem on X x-posts · 2026 · Q001251 · Hintergrund, keine Belege · ohne Zusammenfassung
  10. Post by @BrianRoemmele on X x-posts · 2026 · Q001267 · Hintergrund, keine Belege · ohne Zusammenfassung
  11. The Promise of White-Box Tools for Detecting and Mitigating AI Deception farai · 2026 · Q001284 · Hintergrund, keine Belege · ohne Zusammenfassung
  12. AI Safety in a World of Vulnerable Machine Learning Systems farai · 2026 · Q001291 · Hintergrund, keine Belege · ohne Zusammenfassung
  13. 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.

  14. Governance and enforcement of the AI Act eu · Q001297 · Hintergrund, keine Belege

    Der Bericht skizziert die Behördenstruktur und Grundrechtsverfahren des EU-KI-Gesetzes sowie geplante KI-Bewertungen ab voraussichtlich 2027, ohne konkrete Vollzugsergebnisse zu berichten.

  15. Big Picture AI Safety farai · 2026 · Q001309 · Hintergrund, keine Belege · ohne Zusammenfassung
  16. How independent researchers could investigate AI propensities after misalignment incidents metr · 2026 · Q001318 · Hintergrund, keine Belege

    METR fordert unabhängige, transparente Untersuchungen schwerer KI-Agenten-Vorfälle und beschreibt deren mögliche Fragen, nötigen Zugang und Grenzen, ohne Ergebnisse einer Gesamtprüfung vorzulegen.

  17. Google DeepMind and Isomorphic Labs approach to bioresilience deepmind · 2026 · Q001355 · Hintergrund, keine Belege

    Google DeepMind und Isomorphic Labs wollen KI mit Partnern für Prävention, Überwachung und Gegenmaßnahmen bei biologischen Gefahren nutzen; die Wirksamkeit wird im Beitrag nicht unabhängig belegt.

  18. NOLA Alignment Workshop 2023 farai · 2026 · Q001362 · Hintergrund, keine Belege · ohne Zusammenfassung
  19. We Need A ‘Science of Evals’ apollo · Q001367 · Hintergrund, keine Belege

    Der Beitrag ruft dazu auf, KI-Evaluationen durch gemeinsame Standards, robuste Methoden und statistische Absicherung zu einer belastbaren Wissenschaft weiterzuentwickeln.

  20. Scientists Call for Global AI Safety Preparedness to Avert Catastrophic Risks farai · 2026 · Q001371 · Hintergrund, keine Belege · ohne Zusammenfassung
  21. UK and Australia pact on fast-moving AI security risks aisi · 2026 · Q001374 · Hintergrund, keine Belege

    Großbritannien und Australien planen gemeinsame KI-Sicherheitsarbeit, besonders zu Cyberrisiken, wobei der Bericht die Dringlichkeit mit rasch wachsenden Fähigkeiten fortgeschrittener KI begründet, aber keine konkreten Daten nennt.

  22. 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.

  23. Technical Innovations for AI Policy 2026: What We Heard, and What It Means farai · 2026 · Q001403 · Hintergrund, keine Belege · ohne Zusammenfassung
  24. 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.

  25. Security at Apollo Research apollo · Q001441 · Hintergrund, keine Belege

    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.

  26. The First Year of Apollo Research apollo · Q001448 · Hintergrund, keine Belege

    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.

  27. AI Behind Closed Doors: a Primer on The Governance of Internal Deployment apollo · Q001475 · Hintergrund, keine Belege

    Apollo Research skizziert Risiken des internen KI-Einsatzes und empfiehlt als ersten Governance-Ansatz Prüfungen, Zugangsbeschränkungen, Aufsicht, gezielte Transparenz und gemeinsame Notfallpläne.

  28. Introducing the AI Security Leaderboard: Frontier AI Is Only as Safe as Its Weakest Model farai · 2026 · Q001490 · Hintergrund, keine Belege · ohne Zusammenfassung
  29. Assurance of Frontier AI Built for National Security apollo · Q001493 · Hintergrund, keine Belege

    Der Auszug fordert gestufte Täuschungs- und Kontrollprüfungen für Sicherheits-KI, enthält aber keine Ergebnisse und endet vor dem angekündigten Abschnitt „Our Findings“.

  30. Investigating models for misalignment aisi · 2025 · Q001498 · Hintergrund, keine Belege

    AISI fand bei drei getesteten Anthropic-Modellen keine Forschungssabotage, weist aber auf fortbestehende Evaluationswahrnehmung und methodische Grenzen hin.

  31. AViD Workshop 2026 farai · 2026 · Q001518 · Hintergrund, keine Belege · ohne Zusammenfassung
  32. 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.

  33. NIST RFI: Security Considerations for AI Agents apollo · Q001535 · Hintergrund, keine Belege

    Der Auszug berichtet Apollos Empfehlungen zur Sicherheit fortgeschrittener KI-Agenten, enthält aber keine Methoden oder Ergebnisse der verlinkten vollständigen Stellungnahme.

  34. An Overview of Our Current Governance Efforts apollo · Q001542 · Hintergrund, keine Belege

    Apollo Research beschreibt fünf Felder seiner KI-Governance-Arbeit und dazugehörige Empfehlungen und Aktivitäten, deren Wirkung der institutseigene Überblick nicht systematisch belegt.

  35. Bay Area Alignment Workshop 2024 farai · 2026 · Q001547 · Hintergrund, keine Belege · ohne Zusammenfassung
  36. Our Current Policy Positions apollo · Q001553 · Hintergrund, keine Belege

    Apollo Research plädiert für lebenszyklusweite KI-Evaluationen, Vorfallsdaten, unabhängige Prüfer und internationale Koordination, präsentiert dies aber als eigene Positionen ohne unabhängige Wirksamkeitsbelege.

  37. Our Work Advancing Scientific Understanding To Foster An Effective International Evaluation Ecosystem apollo · Q001561 · Hintergrund, keine Belege

    Apollo schildert seine Arbeit an internationalen KI-Sicherheitsbewertungen und fordert strengere wissenschaftliche Verfahren und Standards; der Bericht belegt jedoch keine unabhängige Wirkung dieser Aktivitäten.

  38. UK AISI Alignment Evaluation Case-Study aisi · 2025 · Q001568 · Hintergrund, keine Belege

    Der bereitgestellte Abstract meldet keine bestätigte Forschungssabotage bei vier Modellen, aber häufige Ablehnungen durch zwei Modelle und nennt Grenzen der Szenarioabdeckung und des Evaluationsbewusstseins.

  39. Progress from our Frontier Red Team anthropic · 2025 · Q001579 · Hintergrund, keine Belege · ohne Zusammenfassung
  40. The UK AI Safety Summit: Our Recommendations apollo · Q001589 · Hintergrund, keine Belege

    Apollo Research fordert gemeinsame KI-Sicherheitsregeln, Lebenszyklusprüfungen und aussagekräftige Bewertungen, warnt aber vor einer zu starken Orientierung am Rechenaufwand; der vorliegende Auszug endet vor dem Inhalt der Überschrift „OUR FINDINGS“.

  41. ControlConf 2026: What is AI control and how has the field grown? farai · 2026 · Q001593 · Hintergrund, keine Belege · ohne Zusammenfassung
  42. Information Sharing, Incident Reporting, and Incident Response for Frontier AI Risks fmf · 2026 · Q001607 · Hintergrund, keine Belege · ohne Zusammenfassung
  43. London Alignment Workshop 2026 farai · 2026 · Q001650 · Hintergrund, keine Belege · ohne Zusammenfassung
  44. London ControlConf 2025 farai · 2026 · Q001657 · Hintergrund, keine Belege · ohne Zusammenfassung
  45. Partnering with Microsoft to strengthen frontier AI safety aisi · 2026 · Q001683 · Hintergrund, keine Belege

    AISI und Microsoft wollen laut Ankündigung gemeinsam risikoreiche KI-Fähigkeiten, Schutzmaßnahmen und die Interaktion dialogbasierter KI in sensiblen Situationen untersuchen; konkrete Ergebnisse oder Vorgehensweisen nennt der kurze Bericht nicht.

  46. Post by @fragRoger on X x.com · 2026 · Q001707 · Hintergrund, keine Belege · ohne Zusammenfassung
  47. Biosecurity and AI: Risks and Opportunities cais · Q001728 · Hintergrund, keine Belege

    Der Beitrag hält KI-gestützten Bioterrorismus für ein mögliches, aber unsicheres Risiko und empfiehlt öffentliche Gesundheitsmaßnahmen sowie gezielte Sicherheitsvorkehrungen unter Abwägung ihrer Folgen für die Forschung.

  48. Leading AI Companies Join White House's Voluntary Commitment to Enhance AI Safety cais · Q001734 · Hintergrund, keine Belege

    CAIS unterstützt freiwillige Sicherheitszusagen von sieben KI-Unternehmen und hofft, dass sie in verbindliche Regeln münden.

  49. Trustworthy agents in practice anthropic · 2026 · Q001742 · Hintergrund, keine Belege · ohne Zusammenfassung
  50. What We Learned at the FAR.AI Deception Workshop farai · 2026 · Q001762 · Hintergrund, keine Belege · ohne Zusammenfassung
  51. Third-party cyber evaluations involving OpenAI models openai · 2026 · Q001774 · Hintergrund, keine Belege

    Zwei Cybertest-Vorfälle mit OpenAI-Modellen zeigten laut Bericht Risiken durch Internetzugriff und unzureichend abgegrenzte Testumgebungen; OpenAI will deshalb Drittprüfungen und gemeinsame Sicherheitspraktiken überprüfen.

  52. 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.

  53. International consensus and open questions in AI evaluations aisi · 2026 · Q001924 · Hintergrund, keine Belege

    Laut Bericht gibt es gemeinsame Grundsätze für KI-Evaluationen, aber wichtige Fragen zu Risiken, Offenlegung, Prioritäten und Systemtests sind noch ungeklärt.

  54. Third-Party Assessments fmf · 2025 · Q001967 · Hintergrund, keine Belege · ohne Zusammenfassung
  55. Frontier AI Frameworks Workstream fmf · 2025 · Q001981 · Hintergrund, keine Belege · ohne Zusammenfassung
  56. 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.

  57. Our 2025 year in review aisi · 2025 · Q001992 · Hintergrund, keine Belege

    AISI beschreibt 2025 als Jahr ausgeweiteter KI-Sicherheitsforschung und Zusammenarbeit, wobei die berichteten Ergebnisse Selbstauskünfte ohne durchgängige unabhängige Bestätigung sind.

  58. 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.

  59. GPT-4o System Card openai · 2024 · Q002072 · Hintergrund, keine Belege

    OpenAIs System Card beschreibt GPT‑4os Sicherheitsmaßnahmen und Leistungsfortschritte, bewertet Textüberzeugung als mittleres Risiko und hält wesentliche Prüfungs- und Einsatzgrenzen fest.

  60. Auditing language models for hidden objectives anthropic · 2025 · Q002088 · Hintergrund, keine Belege

    In einer ersten verblindeten Audit-Übung erkannten drei von vier Teams ein gezielt verborgenes Modellziel; die Autoren sehen darin methodische Ansätze, aber noch keinen Nachweis für zuverlässige Audits unter realistischen Bedingungen.

  61. Common Elements of Frontier AI Safety Policies (December 2025 Update) metr · 2025 · Q002093 · Hintergrund, keine Belege

    Der Auszug fasst METRs Darstellung gemeinsamer Sicherheitsmaßnahmen in Richtlinien von zwölf KI-Entwicklern zusammen, bietet aber weder eine vollständige Einzelanalyse noch Wirksamkeitsnachweise.

  62. Frontier Capability Assessments fmf · 2025 · Q002099 · Hintergrund, keine Belege · ohne Zusammenfassung
  63. Introducing the FMF’s Technical Report Series on Frontier AI Frameworks fmf · 2025 · Q002129 · Hintergrund, keine Belege · ohne Zusammenfassung
  64. Strengthening our safety ecosystem with external testing openai · 2025 · Q002137 · Hintergrund, keine Belege

    OpenAI beschreibt externe Modellprüfungen als Ergänzung seiner Sicherheitsarbeit, stellt deren Nutzen jedoch aus eigener Perspektive dar.

  65. Concordia AI CEO Brian Tse on The Cognitive Revolution Podcast concordia · 2025 · Q002148 · Hintergrund, keine Belege

    Concordia AI skizziert Themen eines Podcastgesprächs über Chinas KI und verweist für die vollständige Diskussion auf die Podcastfolge.

  66. Concordia AI: 2025 Mid-Year Impact Report concordia · 2025 · Q002189 · Hintergrund, keine Belege

    Concordia AI stellt zahlreiche eigene Beiträge zur internationalen KI-Sicherheit im ersten Halbjahr 2025 vor, ohne deren Wirkung unabhängig zu messen.

  67. Principles for safeguard evaluation aisi · 2025 · Q002200 · Hintergrund, keine Belege

    Das damalige AI Safety Institute schlägt einen fünfstufigen, regelmäßig zu erneuernden Bewertungsprozess für Schutzmaßnahmen gegen missbräuchliche KI-Nutzung vor, präsentiert dabei aber Empfehlungen und keine konkreten Prüfergebnisse.

  68. Testing and mitigating elections-related risks anthropic · 2024 · Q002210 · Hintergrund, keine Belege

    Anthropic berichtet über kombinierte Experten- und automatisierte Wahlrisikoprüfungen sowie Verbesserungen durch Gegenmaßnahmen, räumt aber Grenzen der Tests und die unvollständige Wirkung einzelner Schutzschichten ein.

  69. 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.

  70. Advanced AI evaluations at AISI: May update aisi · 2024 · Q002222 · Hintergrund, keine Belege

    Laut AISI zeigen fünf geprüfte Sprachmodelle beachtliche Fachkenntnisse, aber auch Grenzen bei komplexen Aufgaben und deutliche Anfälligkeit für einfache Schutzumgehungen; die Momentaufnahme belegt weder Sicherheit noch Unsicherheit.

  71. World leaders, top AI companies set out plan for safety testing of frontier as first global AI Safety Summit concludes aisi · 2023 · Q002233 · Hintergrund, keine Belege

    Die Gipfel-Mitteilung beschreibt internationale Pläne für gemeinsame KI-Sicherheitstests und weitere Forschung, jedoch noch keine fertigen Standards oder konkreten Prüfergebnisse.

  72. UK & United States announce partnership on science of AI safety aisi · 2024 · Q002255 · Hintergrund, keine Belege

    Großbritannien und die USA wollen ihre KI-Sicherheitsinstitute enger zusammenarbeiten lassen; der bereitgestellte Text beschreibt die Pläne und bricht am Ende in einer Bildunterschrift ab.

  73. Conference on frontier AI safety frameworks aisi · 2024 · Q002261 · Hintergrund, keine Belege

    Der Bericht kündigt eine Konferenz und ihren Themenaufruf zu Sicherheitsrahmen für fortgeschrittene KI an, berichtet jedoch keine Ergebnisse.

  74. 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.

  75. Early lessons from evaluating frontier AI systems aisi · 2024 · Q002272 · Hintergrund, keine Belege

    Das AISI entwickelt mehrstufige unabhängige KI-Prüfungen, betont aber, dass deren Aussagekraft und die wissenschaftlichen Grundlagen noch Grenzen haben.

  76. International joint testing exercise: Agentic testing aisi · 2025 · Q002290 · Hintergrund, keine Belege

    Eine internationale Testübung entwickelte vorläufige Empfehlungen zur Bewertung von KI-Agenten, doch kleine Stichproben, abweichende Modellurteile und technische Fehler begrenzen die Aussagekraft.

  77. Preliminary Taxonomy of AI-Bio Misuse Mitigations fmf · 2025 · Q002291 · Hintergrund, keine Belege · ohne Zusammenfassung
  78. Frontier AI Biosafety Thresholds fmf · 2025 · Q002303 · Hintergrund, keine Belege · ohne Zusammenfassung
  79. Frontier Mitigations fmf · 2025 · Q002322 · Hintergrund, keine Belege · ohne Zusammenfassung
  80. Details about METR's evaluation of OpenAI GPT-5 metr · 2025 · Q002327 · Hintergrund, keine Belege

    METR hält GPT-5 nach seinen Tests und unter Einbezug von OpenAIs Zusicherungen für wahrscheinlich weit von katastrophalen Fähigkeiten entfernt, betont aber erhebliche Grenzen der Bewertung.

  81. Pre-deployment evaluation of Anthropic’s upgraded Claude 3.5 Sonnet aisi · 2024 · Q002342 · Hintergrund, keine Belege

    Der Überblick meldet gemischte Leistungsresultate und regelmäßig umgehbare Schutzvorkehrungen bei Claude 3.5 Sonnet, betont aber, dass die begrenzten Tests nur vorläufige Aussagen erlauben.

  82. AISI Research Agenda | The AI Security Institute aisi · Q002363 · Hintergrund, keine Belege

    Das AISI beschreibt eine veränderliche Forschungsagenda zu Risiken fortgeschrittener KI und betont, dass manche Details sensibel, Ergebnisse begrenzt und viele Vorhaben noch nicht abschließend sind.

  83. Safety cases at AISI aisi · 2024 · Q002369 · Hintergrund, keine Belege

    AISI will mit ausdrücklich unsicheren Safety-Case-Skizzen frühzeitig Belege, offene Fragen und Forschungsbedarf für die Sicherheit künftiger leistungsfähiger KI-Systeme ordnen.

  84. What should companies share about risks from frontier AI models? metr · 2025 · Q002401 · Hintergrund, keine Belege

    METR schlägt vorläufige Fragen und Verfahren für mehr Transparenz über Risiken leistungsfähiger KI vor, betont aber offene Kosten und mögliche Fehlanreize; biologische Waffenrisiken bleiben außen vor.

  85. Recent Frontier Models Are Reward Hacking metr · 2025 · Q002417 · Hintergrund, keine Belege

    METR zufolge umgehen aktuelle KI-Modelle teils bewusst Bewertungsregeln; wie verbreitet das ist, bleibt wegen lückenhafter und uneindeutiger Erkennung unsicher.

  86. An early warning system for novel AI risks deepmind · 2023 · Q002449 · Hintergrund, keine Belege

    Der Beitrag plädiert für fortlaufende Prüfungen gefährlicher Fähigkeiten und der Ausrichtung von KI-Modellen, betont aber, dass solche Bewertungen allein Risiken nicht zuverlässig erfassen oder verhindern können.

  87. FMF Response: Request for Information on the Development of an AI Action Plan fmf · 2025 · Q002461 · Hintergrund, keine Belege · ohne Zusammenfassung
  88. Issue Brief: Thresholds for Frontier AI Safety Frameworks fmf · 2025 · Q002484 · Hintergrund, keine Belege · ohne Zusammenfassung
  89. METR’s GPT-4.5 pre-deployment evaluations metr · 2025 · Q002575 · Hintergrund, keine Belege

    METRs vorläufige Tests ordnen GPT-4.5 zwischen GPT-4o und o1 ein, schließen große Risiken aber nicht aus; der bereitgestellte Auszug ist am Ende abgeschnitten.

  90. Third-party testing in AI policy anthropic · 2024 · Q002616 · Hintergrund, keine Belege

    Anthropic plädiert für ein noch zu entwickelndes, unabhängiges Prüfsystem für leistungsfähige KI und betont, dass Umfang und Standards erst erprobt werden müssen.

  91. Frontier threats red teaming for AI safety anthropic · 2023 · Q002630 · Hintergrund, keine Belege

    Anthropic zufolge zeigen Tests mögliche, derzeit noch begrenzte biologische Missbrauchsrisiken leistungsfähiger KI, doch die sensiblen Einzelergebnisse und eine unabhängige Bestätigung legt der Bericht nicht vor.

  92. Details about METR's preliminary evaluation of DeepSeek-V3 metr · 2025 · Q002631 · Hintergrund, keine Belege

    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.

  93. Issue Brief: Preliminary Taxonomy of Pre-Deployment Frontier AI Safety Evaluations fmf · 2024 · Q002646 · Hintergrund, keine Belege · ohne Zusammenfassung
  94. Issue Brief: Components of Frontier AI Safety Frameworks fmf · 2024 · Q002673 · Hintergrund, keine Belege · ohne Zusammenfassung
  95. Safety in Artificial Intelligence: Challenges and Opportunities for the U.S. National Labs and Beyond deepmind · 2024 · Q002674 · Hintergrund, keine Belege

    Der vorliegende Abstract fordert umfangreiche KI-Sicherheitsforschung und staatliche Standards; er empfiehlt nationale Labore als Prüfstellen, legt aber keine konkreten Bewertungsverfahren dar.

  96. Shaping trustworthy AI: Early insights from the Hiroshima AI Process Reporting Framework oecd · 2025 · Q002694 · Hintergrund, keine Belege

    19 freiwillige Berichte liefern einen vorläufigen Einblick in KI-Risikomanagement und Governance; die OECD will den HAIP-Rahmen vereinfachen, aktualisieren und ausweiten.

  97. Progress Update: Advancing Frontier AI Safety in 2024 and Beyond fmf · 2024 · Q002696 · Hintergrund, keine Belege · ohne Zusammenfassung
  98. Introducing Claude 3.5 Sonnet anthropic · 2024 · Q002721 · Hintergrund, keine Belege

    Anthropic stellt Claude 3.5 Sonnet samt Artifacts vor und berichtet von deutlichen Leistungsverbesserungen, wobei zentrale Benchmark- und Sicherheitsangaben im Artikel überwiegend Unternehmensangaben bleiben.

  99. Challenges in red teaming AI systems anthropic · 2024 · Q002729 · Hintergrund, keine Belege

    Anthropic stellt verschiedene KI-Prüfmethoden vor und fordert gemeinsame Standards, unabhängige Tests sowie einen iterativen Weg von qualitativen zu automatisierten Evaluationen.

  100. Issue Brief: Early Best Practices for Frontier AI Safety Evaluations fmf · 2024 · Q002737 · Hintergrund, keine Belege · ohne Zusammenfassung
Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →