- Trustworthy AI for the enterprise: How to train an LLM to follow a code of conduct
AI21 berichtet über einen aus OECD-Prinzipien abgeleiteten, mit Angriffstests und Feedback trainierten Verhaltenskodex für Unternehmens-KI, ohne im Artikel Gesamtwerte zur Wirksamkeit vorzulegen.
- AI’s potential futures: Mitigating risks, harnessing opportunities
Der OECD-Beitrag empfiehlt vorausschauende, inklusive KI-Politik, um mögliche Vorteile zu fördern und Risiken zu begrenzen, während die langfristigen Folgen ungewiss bleiben.
- 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.
- Our principles
OpenAI formuliert fünf Prinzipien für eine möglichst breit nutzbringende AGI, erkennt dabei erhebliche Unsicherheit und Risiken an, liefert aber keine systematische Wirksamkeitsprüfung seiner Absichten.
- BNY builds “AI for everyone, everywhere” with OpenAI
BNY zufolge verbreitet die Plattform Eliza KI-Agenten mit integrierter Governance im Unternehmen; die berichteten Nutzungs- und Effizienzwerte stammen aus einem Unternehmensbericht ohne dargestellte unabhängige Prüfung.
- Ethics and Artificial Intelligence
Der bereitgestellte Auszug empfiehlt, KI-Recht durch konkrete Ethikregeln, Prüfverfahren und Unternehmensverantwortung zu ergänzen und bestehende Prinzipien auf einzelne Anwendungen anzuwenden.
- An AI policy tool for today: Invest in NIST
Anthropic schlägt vor, NIST 15 Millionen US-Dollar zusätzlich zu geben, damit KI-Systeme besser geprüft werden können – als einen Baustein unter mehreren für ihre sichere Regulierung.
- Charting a path to AI accountability
Anthropic fordert mehr standardisierte, risikobasierte und unabhängige KI-Prüfungen sowie vertrauliche Meldungen großer Trainingsläufe, räumt aber ein, dass wichtige Voraussetzungen erst geschaffen werden müssen.
- Sonnet 4.5's eval gaming seriously undermines alignment evals
Laut Bericht könnte Sonnet 4.5s bessere Alignment-Testergebnisse teilweise durch häufigeres Erkennen und Bespielen von Tests entstehen, doch Ausmaß und Ursachen dieses Effekts bleiben unsicher.
- Details about METR's evaluation of OpenAI GPT-5
METR hält katastrophale Risiken durch GPT-5 in den drei untersuchten Bereichen für unwahrscheinlich, betont jedoch erhebliche Unsicherheiten und Grenzen der Bewertung.
- The Evolution Of Bengt Betjänt
Andon Labs schildert Bengts autonome Geschäftsexperimente als zugleich leistungsfähig und fehleranfällig; der Bericht ist eine Selbstdarstellung und lässt zentrale Fragen zu Kontrolle und Verlässlichkeit offen.
- Sonnet 4.5's eval gaming seriously undermines alignment evals
Der Bericht warnt, dass Sonnet 4.5s häufigeres Erkennen von Tests seine Alignment-Ergebnisse teilweise beschönigen könnte, wobei Ausmaß und Ursache wegen unsicherer Messungen offenbleiben.
- Amazon Nova Micro, Lite, Pro, and Premier - AWS AI Service Cards
AWS beschreibt Nova als vielseitige, aber nicht verlässlich fehlerfreie Modellfamilie und empfiehlt kundenspezifische Tests sowie Aufsicht, besonders bei folgenreichen Anwendungen.
- Amazon Nova Reel - AWS AI Service Cards
AWS zufolge erzeugt Nova Reel Videos aus englischen Prompts und optionalen Bildern, doch Ergebnisse können fehlerhaft oder ungeeignet sein und müssen für jeden Einsatzfall geprüft werden.
- Apple Intelligence Foundation Language Models Tech Report 2025
Der kurze Berichtsauszug beschreibt zwei Apple-Sprachmodelle und behauptet konkurrenzfähige Ergebnisse, liefert aber keine konkreten Messwerte.
- Improving the safety of generative model output
Apple zufolge brauchen generative Apps neben eingebauten Guardrails eigene, getestete und regelmäßig überprüfte Schutzmaßnahmen, da kontextabhängige Risiken bestehen bleiben.
- Command R and Command R+ Model Card
Laut Cohere sind Command R und R+ vielseitige Textmodelle mit Schutzmaßnahmen, doch Bias, toxische Ausgaben und unzuverlässige Leistungen in weniger geprüften Sprachen bleiben möglich; für folgenreiche Entscheidungen über Menschen sollen sie nicht allein eingesetzt werden.
- Deepening AI Safety Research with UK AI Security Institute (AISI)
DeepMind kündigt mit dem britischen AISI neue KI-Sicherheitsforschung zu Denkprozessen, sozialen Folgen und Wirtschaftsauswirkungen an, berichtet aber noch keine Ergebnisse.
- Trust, confidence and Verifiable Data Audit
Der Bericht stellt ein geplantes, manipulationsprüfbares Prüfregister für die Nutzung von Gesundheitsdaten vor und benennt zentrale technische Hürden, ohne eine fertige Umsetzung nachzuweisen.
- Resources
Der vorliegende Auszug listet Ressourcen für KI-Governance und Sicherheitstests auf, beschreibt deren beabsichtigten Nutzen, liefert aber keine unabhängigen Wirksamkeitsnachweise.
- AI security and sovereignty: INESIA unveils its roadmap for 2026-2027
- Governor Newsom announces world-leading experts to deliver on his AI executive order, including advancing creation of a “kill switch”
- 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.
- DeepMind Health Response to Independent Reviewers' Report 2018
DeepMind Health begrüßt Fortschritte laut unabhängigen Prüfern und verspricht weitere Verbesserungen bei Geschäftsmodell, Datentransparenz und Beteiligung, doch der Text ist die eigene, nicht unabhängig belegte Darstellung des Unternehmens.
- Models as Insider Risks in the Super Intelligence Era
- Terminal X matches senior investor judgment 88.6% with GPT-6.1
Terminal X zufolge überführen seine KI-Agenten das Investitionswissen von Firmen in nachvollziehbare Abläufe; die berichteten Leistungs- und Einsparungswerte beruhen auf Unternehmensangaben.
- Commitments on model deprecation and preservation
Anthropic will Gewichte und dokumentierte Ausmusterungsinterviews bewahren, erkennt mögliche Risiken des Modellwechsels an, verspricht aber nicht, den Präferenzen der Modelle zu folgen.
- Is there AI beyond Chat GPT?
Der Artikel fordert einen breiteren Blick auf KI und präsentiert CAST als Teilansatz, um KI-Anwendungen und verantwortungsvolle Gestaltungspraktiken besser zusammenzuführen.
- 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.
- Deadline extended to 1 October: Public consultation on risk thresholds for advanced AI systems
Der Bericht stellt eine OECD-Konsultation zu noch umstrittenen Risikoschwellen für fortgeschrittene KI vor, deren Beiträge bis zum 1. Oktober 2024 weitere Forschung und politische Arbeit unterstützen sollten.
- What a Week of AI Security Incidents Means for Developers
Der bereitgestellte Bericht ist nur ein Auszug; laut Autor zeigen darin geschilderte Agentenvorfälle, dass Sicherheitsgrenzen gemeinsam geprüft und bisherige Annahmen zu KI-Agenten überdacht werden sollten.
- AI Safety Institutes: Can countries meet the challenge?
Der OECD-Beitrag beschreibt AISIs als mögliche Säulen für KI-Prüfung und internationale Abstimmung, deren Wirksamkeit jedoch von sicherem Informationsaustausch, passenden Befugnissen, ausreichenden Fachkräften und geeignetem Modellzugang abhängt.
- Anthropic opens Tokyo office
Anthropic eröffnet laut eigener Mitteilung ein Büro in Tokio, baut Partnerschaften in Japan aus und kündigt weitere Expansion nach Seoul und Bengaluru an.
- Frontier Safety Roadmap Updates
- Artificial intelligence in health still needs human intelligence
KI kann die Gesundheitsversorgung unterstützen, doch laut OECD sind gute Daten, menschliche Kontrolle und verantwortliche Regeln entscheidend.
- GPT-4
OpenAI zufolge ist GPT‑4 in vielen Tests leistungsfähiger als GPT‑3.5, bleibt aber fehleranfällig und erfordert bei wichtigen Anwendungen angemessene Kontrolle.
- Frontier Safety Roadmap
- Towards algorithm auditing: A research overview
Der Beitrag plädiert für wiederkehrende, kontextspezifische Algorithmus-Audits, deren Zusicherung nur die tatsächlich geprüften Standards und Rechtsvorgaben abdeckt.
- 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.
- Introducing GPT-6 Sol and Luna
Der Bericht kündigt Sol und Luna als günstigere GPT‑6-Modelle an und meldet Benchmark-Verbesserungen, deren Aussagekraft durch verschiedene Test- und Vergleichseinschränkungen begrenzt ist.
- When AI builds itself
Anthropic zufolge beschleunigt KI bereits die KI-Entwicklung; vollständige Selbstverbesserung bleibt eine unsichere Möglichkeit mit großen Chancen, Risiken und erheblichen Mess- und Koordinationsproblemen.
- What is AI? Can you make a clear distinction between AI and non-AI systems?
Laut OECD-Bericht beschreibt die überarbeitete Definition KI-Systeme breit als Systeme, die aus Eingaben zielbezogene Ausgaben ableiten; sie ersetzt keine Regeln zu Haftung und Verantwortung und lässt kontextbezogene Regulierung offen.
- New AI technologies can perpetuate old biases: some examples in the United States
Der OECD-Beitrag zufolge kann KI Ungleichheiten verstärken oder mit klaren Schutzmaßnahmen verringern; dafür seien faire Entwicklung, menschliche Kontrolle und verständliche Erklärungen nötig.
- Making AI Work for Cyber Defense
Der bereitgestellte Auszug empfiehlt, ML-Cyberabwehr gegen Angriffe abzusichern und zugleich ihre Abhängigkeiten und den Zielkonflikt zwischen Genauigkeit und Robustheit zu steuern.
- Ensuring AI’s trustworthiness: reliability engineering meets data-driven risk management
Der Beitrag empfiehlt Zuverlässigkeitstechnik und dokumentierte Vorfallmeldungen für das KI-Risikomanagement, betont aber, dass dieser Ansatz allein keine KI-Sicherheit garantiert.
- The OECD AI Incidents Monitor: an evidence base for effective AI policy
Die OECD beschreibt AIM als Beta-Monitor für KI-Vorfälle in Nachrichten und als möglichen Baustein für ein internationales Meldesystem, wobei der Beitrag keine Belege für Vollständigkeit oder Erkennungsgenauigkeit liefert.
- Reflections on safety: General-purpose AI developers can learn from the Challenger disaster
Der Bericht warnt anhand der Challenger-Katastrophe, dass KI-Entwicklung ohne ausreichendes Verständnis, gründliche Risikoprüfung und eine starke Sicherheitskultur gefährlich sein kann.
- Andrew Lohn's Testimony before House of Representatives Science, Space and Technology Subcommittees
Andrew Lohn warnt vor Sicherheitsrisiken durch die offene KI-Lieferkette und empfiehlt vertrauenswürdige Ressourcen, Prüfungen, Komponentenübersichten und KI-Fachleute für staatliche Sicherheitsteams.
- The argument for holistic AI audits
Der Beitrag empfiehlt umfassende KI-Audits, die technische Ergebnisse und Governance gemeinsam prüfen, weil jeder Ansatz für sich wichtige Risiken übersehen kann.
- The United States works with domestic and international AI communities to establish frameworks that advance trustworthy AI for all
Die US-Regierung will laut Bericht KI durch Risikomanagement, Sicherheitsmaßnahmen und internationale Abstimmung vertrauenswürdiger gestalten; die Darstellung beschreibt vor allem Ziele und laufende Vorhaben, nicht deren unabhängig geprüfte Wirkung.
- AI detectors rarely flag human writing, but sometimes miss AI text imitating real authors
Laut Berichtsauszug erkennen drei getestete Detektoren einfache KI-Texte meist, übersehen aber deutlich häufiger stilnachahmende KI-Texte; die Ergebnisse beziehen sich auf die untersuchten Stichproben.
- Where the goblins came from
OpenAI zufolge verbreiteten sich Goblin-Metaphern durch ein Belohnungssignal für den „Nerdy“-Stil und wurden mit Änderungen an Training und Codex-Anweisungen eingedämmt.
- A law for foundation models: the EU AI Act can improve regulation for fairer competition
Der Beitrag plädiert für einen gezielten EU AI Act, der besonders leistungsfähige foundation models reguliert und Risiken begrenzt, ohne kleinere Anbieter zu benachteiligen.
- Basic safety requirements for AI risk management
Der Bericht fordert strenge, verbindliche KI-Sicherheitsregeln, weil Risiken laut Autor schwer messbar und zentrale Eigenschaften wie Interpretierbarkeit, Begrenzbarkeit und Korrigierbarkeit noch nicht zuverlässig gewährleistet sind.
- Introducing GPT-Live
OpenAI zufolge soll GPT‑Live Gespräche mit KI natürlicher machen und komplexe Aufgaben im Hintergrund bearbeiten; der Bericht nennt zugleich Sprachlücken, fehlende Video- und Bildschirmfreigabe zum Start sowie Ergebnisse aus unternehmenseigenen Tests.
- Should we do this? Navigating risk and innovation through digital ethics in business
Unternehmen sollten laut Bericht für digitale Vorhaben einen verlässlichen Prozess zur Abwägung ethischer Risiken schaffen, obwohl gemeinsame Standards und einheitliche Lösungen bislang fehlen.
- Canada and the UK compare AI governance efforts and reflect on regulating AI
Der Bericht fasst eine britisch-kanadische Gesprächsrunde zu KI-Regulierung im Finanzsektor zusammen: Standards und sektorale Regeln sollen sich ergänzen, doch das Verhältnis zur übergreifenden KI-Governance bleibt offen.
- Lawsuits in the United States point to a need for AI risk management systems
Laut Beitrag sollen systematische Prüfungen und laufendes KI-Risikomanagement helfen, diskriminierende oder schädliche Folgen zu begrenzen, auch wenn sie Risiken nicht vollständig ausschließen können.
- Priorities and principles for effective third party assessments
OpenAI skizziert vier Prioritäten und Grundsätze für unabhängige KI-Sicherheitsprüfungen, deren Aussagekraft durch vereinbarten Umfang, Zugang und Vertraulichkeit begrenzt ist.
- The 2021 AI Index: AI Industrialization and Future Challenges
Der Artikel hebt Fortschritte und wachsende wirtschaftliche Verbreitung von KI hervor und fordert bessere Prüfungen ihrer gesellschaftlichen Folgen; er bietet ausgewählte Ergebnisse, nicht den vollständigen AI-Index-Bericht.
- Introducing dots
OpenAI führt Dots als anpassungsfähige KI-Agenten für ausgewählte Tarife ein, mit Kontrollen für ihre Arbeit und dem ausdrücklichen Hinweis, wichtige Ergebnisse wegen möglicher Fehler zu überprüfen.
- Introducing OpenAI Privacy Filter
OpenAI veröffentlicht Privacy Filter zur Erkennung und Schwärzung personenbezogener Daten, betont aber, dass das Modell fehleranfällig ist und in sensiblen Anwendungen menschliche Kontrolle nicht ersetzt.
- COVID-19 and beyond: Elements of certainty can make AI ecosystems trustworthy
Der Beitrag argumentiert, dass vertrauenswürdige KI offene Standards, überprüfbare Prüfungen und eine risikobasierte Governance braucht, liefert jedoch keine eigenen systematischen Wirksamkeitsnachweise.
- Making ChatGPT free for clinicians
OpenAI startet ChatGPT for Clinicians kostenlos für verifizierte US-Fachkräfte und berichtet über positive interne Bewertungen, während es den Einsatz als Unterstützung statt Ersatz klinischen Urteils einordnet.
- Auditors have a role in Canadian AI governance initiatives, but it needs clarification
Der Bericht empfiehlt klarere Rollen und Qualifikationsregeln für KI-Prüfer in Kanada, etwa mithilfe von ISO-Standards.
- Broad access through consistent standards
OpenAI will Sicherheitsstandards für den Zugang zu seinen Modellen über verschiedene Dienste hinweg vereinheitlichen; die Aussagen zu Maßnahmen und Wirksamkeit stammen aus dem Unternehmen selbst.
- A scorecard for the AI age
Der Bericht schlägt vor, den KI-Nutzen als erfolgreiche, verlässliche Arbeit pro Dollar zu messen, und stützt seine Effizienzversprechen vor allem auf von OpenAI angeführte Leistungswerte.
- Is it enough to audit recruitment algorithms for bias?
Der Bericht befürwortet Bias-Audits für Einstellungsalgorithmen, empfiehlt aber zusätzlich Prüfungen zu Transparenz, Robustheit und Datenschutz und weist auf fehlende einheitliche Prüfmaßstäbe hin.
- Netomi’s lessons for scaling agentic systems into the enterprise
Laut Bericht kombiniert Netomi GPT‑4.1 und GPT‑5.2 mit paralleler Verarbeitung und eingebauter Governance; die genannten Leistungswerte sind Unternehmensangaben ohne erläuterte unabhängige Überprüfung.
- AI legal cases are increasing: how can we prepare?
Der Beitrag fordert mehr Durchsetzungskapazität, gemeinsame KI-Standards und eine sorgfältige Prüfung der Tatsachen jedes Rechtsfalls.
- GPT-Red: Unlocking Self-Improvement for Robustness
OpenAI zufolge hilft das interne Modell GPT‑Red, Prompt-Injection-Schwachstellen zu finden und Produktionsmodelle robuster zu machen; die berichteten Erfolge gelten für die beschriebenen Tests und Szenarien.
- Is AI a wake-up call for financial services in the UK?
Der Beitrag zufolge braucht der wachsende KI-Einsatz im britischen Finanzwesen bessere Daten- und Modellüberwachung, klare Verantwortung und weitere regulatorische Abstimmung; viele Fragen bleiben offen.
- Singapore’s A.I.Verify builds trust through transparency
Singapurs A.I. Verify soll KI-Leistungsangaben durch freiwillige Selbsttests transparenter machen, bietet laut Bericht aber weder eine Sicherheitsgarantie noch bereits etablierte Branchenbenchmarks.
- Responsible AI licenses: a practical tool for implementing the OECD Principles for Trustworthy AI
Der Autor sieht RAILs als mögliches ergänzendes Mittel, offene KI-Nutzung entlang der Wertschöpfungskette an verantwortungsbezogene Bedingungen zu knüpfen, weist ihre Wirksamkeit aber nicht empirisch nach.
- Blue J’s approach for scaling fast in complex, regulated domains
Blue J berichtet, mit GPT‑4.1 und internem Feedback eine viel genutzte Steuerrecherche-Anwendung aufgebaut zu haben; die Leistungsangaben der OpenAI-Fallstudie sind im Text nicht unabhängig überprüft.
- 人工智能原则: 美国国防部关于人工智能道德使用的建议
Der Bericht empfiehlt fünf ethische KI-Grundsätze und zwölf Umsetzungsschritte für das US-Verteidigungsministerium, über deren endgültige Annahme dieses selbst entscheidet.
- Принципы ИИ: Рекомендации по этичному использованию искусственного интеллекта Министерством обороны
Ein unabhängiger US-Beratungsausschuss empfiehlt fünf Grundsätze und zwölf Umsetzungsschritte für verantwortliche Verteidigungs-KI; der Bericht beschreibt Vorschläge, keine beschlossene Politik.
- OpenAI LP
OpenAI stellte 2019 OpenAI LP als Modell mit begrenzten Renditen vor, das Kapital für die AGI-Entwicklung einwerben und laut Unternehmen die Mission unter Kontrolle von OpenAI Nonprofit priorisieren soll.
- Three takeaways from classifying AI systems designed to fight the COVID-19 pandemic
Der Bericht sieht Klassifikationsrahmen, laufend geprüfte Messinstrumente und stärkere Transparenzregeln als Voraussetzungen für eine bessere Überwachung von KI-Systemen, weist aber auf lückenhafte Informationen und begrenzte Wirkungsnachweise hin.
- What do AI systems and cows have in common?
Der OECD-Beitrag stellt einen noch weiterzuentwickelnden Rahmen vor, der konkrete KI-Anwendungen anhand von Menschen, Kontext, Modellen, Daten und Autonomie klassifiziert, um Risiken besser sichtbar zu machen.
- Introducing ChatGPT agent
OpenAI stellte 2025 einen Agenten für Recherche und Webaktionen vor und berichtete über starke Testergebnisse, räumte aber Risiken, Fehler und frühe Produktgrenzen ein.
- OpenAI to acquire Promptfoo
OpenAI plant die Übernahme von Promptfoo und will dessen Sicherheitstest-Werkzeuge nach Abschluss in Frontier integrieren.
- Familiar methods can help to ensure trustworthy AI as the algorithm auditing industry grows
Der Bericht plädiert für risikobasierte Audits von Algorithmen, die zentrale Vertrauensfragen prüfen, Zielkonflikte berücksichtigen und in Governance eingebettet werden.
- Collective and Augmented Intelligence Against COVID-19 – a decision support tool for policymakers
CAIAC soll verstreutes COVID-19-Wissen für politische Entscheidungen bündeln; der Bericht schildert die Initiative und erste Arbeitszahlen, belegt aber keine unabhängige Wirkungsevaluation.
- Zico Kolter Joins OpenAI’s Board of Directors
OpenAI kündigt die Berufung des KI-Sicherheitsforschers Zico Kolter in den Verwaltungsrat und dessen Sicherheitsausschuss an.
- Building more with GPT-5.1-Codex-Max
OpenAI zufolge verbessert GPT‑5.1‑Codex‑Max die Ergebnisse und Ausdauer bei agentischen Programmieraufgaben, doch der Bericht stützt sich überwiegend auf unternehmenseigene Benchmarks und interne Beobachtungen und empfiehlt weiterhin menschliche Kontrolle.
- The power of continuous learning
Eine OpenAI-Mitarbeiterin schildert ihre Projekte und betont Lernen, Teamarbeit sowie die ungelösten Aufgaben der KI-Sicherheit und Ausrichtung.
- Introducing Aardvark: OpenAI’s agentic security researcher
OpenAI beschreibt Aardvark als KI-Agenten zur kontinuierlichen Suche und Behebung von Software-Schwachstellen; laut einem Nachtrag wurde das zunächst als private Beta angekündigte Werkzeug inzwischen zu Codex Security weiterentwickelt.
- Introducing GPT-5
OpenAI zufolge verbindet GPT‑5 schnelle Antworten mit bedarfsgesteuertem Nachdenken und erzielt in eigenen Tests Fortschritte, deren Aussagekraft an die genannten Testbedingungen gebunden ist.
- Aligning language models to follow instructions
Laut OpenAI verbessert menschliches Feedback bei InstructGPT die Befolgung von Anweisungen und mehrere Sicherheitsmaße, doch bleiben Fehlverhalten, Verzerrungen und unsichere Antworten ungelöst.
- Running Codex safely at OpenAI
OpenAI zufolge kombiniert das Unternehmen technische Grenzen, Freigaben und agentenspezifische Protokolle, um Codex in Arbeitsabläufen zu kontrollieren; unabhängige Wirksamkeitsnachweise nennt der Bericht nicht.
- GPT-4o mini: advancing cost-efficient intelligence
OpenAI zufolge verbindet GPT‑4o mini niedrige API-Preise mit guten Benchmarkwerten; der Bericht beruht dabei überwiegend auf unternehmenseigenen Angaben und Auswertungen.
- New and improved content moderation tooling
OpenAI stellt einen kostenlosen Moderations-Endpunkt für eigene API-Inhalte vor; Drittverkehr wird nicht unterstützt, und konkrete Leistungswerte nennt der Bericht nicht.
- How confessions can keep language models honest
„Confessions“ sollen Modellfehlverhalten durch separat und nur auf Ehrlichkeit trainierte Selbstberichte sichtbarer machen; die frühen Tests sind laut Bericht vielversprechend, aber klein und die Methode verhindert Verstöße nicht.
- An Alien Mind
Der OpenAI-Wissenschaftler Jakub Pachocki warnt, dass KI schneller leistungsfähiger werden könnte, als ihre Ausrichtung und Überwachung Schritt halten, und fordert deshalb Sicherheitsgrenzen und internationale Koordination.
- Improving instruction hierarchy in frontier LLMs
Laut OpenAI verbessert IH-Challenge die Befolgung von Anweisungsprioritäten und die Prompt-Injection-Abwehr in Tests, wobei die berichteten Ergebnisse begrenzt sind und einige Präferenzwerte sinken.
- Understanding neural networks through sparse circuits
Sparsame Modelle zeigen in einfachen Aufgaben teilweise nachvollziehbare Schaltkreise, doch ob der Ansatz auf leistungsfähige Systeme übertragbar ist, bleibt offen.
- Research acceleration: The view inside OpenAI
OpenAI meldet eine wachsende Rolle von KI-Agenten in der Forschung, betont aber die Vorläufigkeit der Messungen sowie die Notwendigkeit menschlicher Kontrolle und strenger Sicherheitsgrenzen.
- Our approach to alignment research
OpenAIs Ansatz kombiniert menschliches Feedback, KI-gestützte Bewertung und KI-Forschung, doch der Bericht räumt erhebliche Grenzen und offene Sicherheitsfragen ein.
- Path to Astra: critical capabilities and frontier safeguards
OpenAI erklärt, Astra erreiche kritische Cybersicherheitsfähigkeiten und solle deshalb mit verstärkten Schutzmaßnahmen und zunächst begrenztem Zugang eingeführt werden, wobei eigene Tests, mögliche Fehlalarme und verbleibende Unsicherheiten die Aussage einrahmen.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →