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-P4-T01

Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät?

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

Zum Inhalt ↓
← Alle Quellen zu SF-P4
  1. An Alien Mind fragen-funde · 2026 · Q004592 · Hintergrund, keine Belege

    Pachocki warnt, dass KI-Fähigkeiten schneller wachsen könnten als ihre verlässliche Ausrichtung und Überwachung, und fordert deshalb Sicherheitsgrenzen sowie internationale Abstimmung.

  2. The case for targeted regulation anthropic · 2024 · Q004624 · Hintergrund, keine Belege

    Anthropic fordert flexible, überprüfbare und gezielte Regeln für fortgeschrittene KI, um ausgewählte schwere Risiken zu senken und unnötige Belastungen zu vermeiden.

  3. Global AI Governance Action Plan fragen-funde · Q004628 · Hintergrund, keine Belege · ohne Zusammenfassung
  4. 生成式人工智能服务管理暂行办法_国务院部门文件_中国政府网 fragen-funde · Q004639 · Hintergrund, keine Belege · ohne Zusammenfassung
  5. READ IN FULL: White House Accord on Super Intelligence fragen-funde · 2026 · Q004653 · Hintergrund, keine Belege · ohne Zusammenfassung
  6. GLM-5.3-Flash/FlashX fragen-funde · Q004671 · Hintergrund, keine Belege

    Der Anbieter bewirbt GLM-5.3-Flash als schnelles, kostengünstiges multimodales Modell und nennt starke Benchmarkwerte, die im Bericht nicht unabhängig bestätigt werden.

  7. Navigating the environmental impact of AI oecd · 2024 · Q004693 · Hintergrund, keine Belege

    Der Bericht plädiert für einen abgewogenen KI-Einsatz und bessere Emissionsdaten, da die genannten Umweltwerte für generative KI nur grobe, standortabhängige Schätzungen sind.

  8. AI and Compute cset · 2022 · Q004705 · Hintergrund, keine Belege

    Der vorliegende Auszug erwartet eine Verlangsamung des KI-Rechenwachstums und empfiehlt, Forschung, Effizienz und breiteren Zugang zu stärken.

  9. An AI policy tool for today: Invest in NIST anthropic · 2023 · Q004808 · Hintergrund, keine Belege

    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.

  10. Anthropic and Amazon expand compute collaboration anthropic · 2026 · Q004861 · Hintergrund, keine Belege

    Anthropic kündigt einen umfangreichen Ausbau der AWS-Zusammenarbeit für Claude an und führt ihn auf stark steigende Nachfrage zurück; Angaben und Zeitpläne stammen aus der Unternehmensmitteilung und sind dort nicht unabhängig geprüft.

  11. How many AI models will exceed compute thresholds? epoch · 2025 · Q004995 · Hintergrund, keine Belege

    Laut Epoch-AI-Projektion könnten 2030 etwa 200 bis 235 bemerkenswerte Modelle über 10²⁶ Trainings-FLOP liegen, doch die Schätzung ist unsicher und deckt nicht alle KI-Modelle ab.

  12. Open vs. closed AI: How behind are open models? epoch · 2024 · Q005049 · Hintergrund, keine Belege

    Der bereitgestellte Quelltext enthält den Hauptteil, aber nicht die Anhänge vollständig; der Bericht schätzt den Rückstand offener KI-Modelle auf etwa ein Jahr, während Effizienz und künftige Entwicklung unsicher bleiben.

  13. Models as Insider Risks in the Super Intelligence Era fragen-funde · 2026 · Q005078 · Hintergrund, keine Belege · ohne Zusammenfassung
  14. Everyone must understand the environmental costs of AI oecd · 2024 · Q005115 · Hintergrund, keine Belege

    Der Bericht fordert nachhaltigere KI durch weniger unnötige Daten und gezieltere Modelle, weist aber auf große Lücken bei der Messung der Umweltwirkungen hin.

  15. A framework for AI development transparency anthropic · 2025 · Q005181 · Hintergrund, keine Belege

    Anthropic fordert flexible, gesetzliche Transparenzpflichten zu Sicherheitspraktiken für die größten KI-Entwickler und stellt sie als ersten Schritt zu mehr Rechenschaft dar.

  16. Deadline extended to 1 October: Public consultation on risk thresholds for advanced AI systems oecd · 2024 · Q005217 · Hintergrund, keine Belege

    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.

  17. Participate in the OECD’s pilot on monitoring the application of the G7 Code of Conduct for Organisations Developing Advanced AI Development oecd · 2024 · Q005235 · Hintergrund, keine Belege

    Die OECD testete 2024 einen vertraulichen Melderahmen zum G7-Kodex für fortgeschrittene KI; seine erwarteten Vorteile werden im Bericht beschrieben, aber nicht durch Pilotresultate belegt.

  18. AI Safety Institutes: Can countries meet the challenge? oecd · 2024 · Q005261 · Hintergrund, keine Belege

    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.

  19. Post by @Sam_McCandlish on X fragen-funde · 2026 · Q005265 · Hintergrund, keine Belege · ohne Zusammenfassung
  20. Evolving with innovation: The 2024 OECD AI Principles update oecd · 2024 · Q005362 · Hintergrund, keine Belege

    Die OECD-Grundsätze sollen Länder bei einer abgestimmten, aber anpassbaren KI-Regulierung unterstützen; laut Beitrag hängt ihre Wirkung von der nationalen Umsetzung ab.

  21. Tracking large-scale AI models | 81 models across 18 countries epoch · 2024 · Q005389 · Hintergrund, keine Belege

    Epoch AI dokumentiert 81 bestätigte KI-Modelle oberhalb von 10²³ Trainings-FLOP, weist aber darauf hin, dass fehlende Angaben und nicht auffindbare Systeme den Datensatz unvollständig machen.

  22. Measurements for understanding the pace of AI development inside frontier labs anthropic · Q005392 · Hintergrund, keine Belege

    Anthropic berichtet vorläufige Kennzahlen zu KI-Forschung, Agentenaufsicht und Sicherheits-Rechenleistung und fordert vergleichbare Messungen sowie unabhängige Prüfungen.

  23. Why AI Chips Matter cset · 2020 · Q005441 · Hintergrund, keine Belege

    Der Bericht fordert, den damaligen US-amerikanischen und verbündeten Vorsprung bei fortgeschrittenen KI-Chips und ihren Lieferketten zu sichern, weil diese laut Autor die Kosten rechenintensiver KI stark senken.

  24. Agile Alliances cset · 2020 · Q005455 · Hintergrund, keine Belege

    Der Auszug aus der Executive Summary schlägt zehn gemeinsame Initiativen vor, mit denen die USA und ihre Partner demokratische Werte bei der KI-Entwicklung schützen und stärken sollen.

  25. Training compute of frontier AI models grows by 4-5x per year epoch · 2024 · Q005472 · Hintergrund, keine Belege

    Der Bericht empfiehlt das Vier- bis Fünffache jährlichen Wachstums beim Trainingsrechenaufwand als Faustzahl, betont aber erhebliche Unsicherheiten und mögliche Engpässe oder Beschleunigungen.

  26. Responsible science communication can be a catalyst for trust in technology oecd · 2024 · Q005555 · Hintergrund, keine Belege

    Der Bericht plädiert für transparente und realistische Kommunikation über Daten und KI, die deren Grenzen, menschliche Arbeit und Risiken sichtbar macht.

  27. Andrew Lohn's Testimony before House of Representatives Science, Space and Technology Subcommittees cset · 2022 · Q005679 · Hintergrund, keine Belege

    Andrew Lohn warnt vor Sicherheitsrisiken durch die offene KI-Lieferkette und empfiehlt vertrauenswürdige Ressourcen, Prüfungen, Komponentenübersichten und KI-Fachleute für staatliche Sicherheitsteams.

  28. Bridging the gap in AI governance and the rule of law: The Athens Roundtable 2023 oecd · 2023 · Q005767 · Hintergrund, keine Belege

    Die Ankündigung der Athens Roundtable 2023 fordert eine rechtebasierte, international koordinierte KI-Governance mit zentraler Beteiligung der Zivilgesellschaft, enthält aber keine späteren Konferenzergebnisse.

  29. The AI data challenge: How do we protect privacy and other fundamental rights in an AI-driven world? oecd · 2023 · Q005779 · Hintergrund, keine Belege

    Der Bericht empfiehlt, KI-Datenzugang mit Grundrechtsschutz durch menschenzentrierte Regeln, Durchsetzung, gemeinsame Standards und weitere Schutzmaßnahmen zu verbinden, weist aber auf offene Fragen und unterschiedliche Positionen zur Regulierung hin.

  30. Will businesses or laws and regulations ever prioritise environmental sustainability for AI systems? oecd · 2023 · Q005830 · Hintergrund, keine Belege

    Der Beitrag plädiert für mehr Regulierung und Transparenz zu den Umweltfolgen von KI, weist aber auf erhebliche Messlücken und unvollständige Daten hin.

  31. Measuring compute capacity: a critical step to capturing AI’s full economic potential oecd · 2022 · Q005841 · Hintergrund, keine Belege

    Der OECD-Beitrag fordert vergleichbare Messungen nationaler KI-Rechenkapazität, damit Staaten fundierter, inklusiver und nachhaltiger investieren können; ein fertiger Messstandard liegt laut Text noch nicht vor.

  32. Accuracy increases with estimated training compute epoch · 2024 · Q005978 · Hintergrund, keine Belege

    Laut Epoch AI steigt Benchmark-Genauigkeit meist mit geschätztem Trainingscompute, doch verrauschte Ergebnisse, algorithmischer Fortschritt und fehlende Compute-Angaben schränken den Vergleich ein.

  33. Training compute costs are doubling every eight months for the largest AI models epoch · 2024 · Q006012 · Hintergrund, keine Belege

    Der Bericht behauptet, dass sich die Trainingskosten der größten KI-Modelle etwa alle acht Monate verdoppeln; die zugrunde liegenden Schätzungen und ihre Unsicherheiten werden im Auszug nur begrenzt erklärt.

  34. A law for foundation models: the EU AI Act can improve regulation for fairer competition oecd · 2023 · Q006018 · Hintergrund, keine Belege

    Der Beitrag plädiert für einen gezielten EU AI Act, der besonders leistungsfähige foundation models reguliert und Risiken begrenzt, ohne kleinere Anbieter zu benachteiligen.

  35. BigCode: toward open AI governance processes in LLMs for coding oecd · 2023 · Q006044 · Hintergrund, keine Belege

    BigCode verbindet laut Bericht offene Entwicklung von Code-Sprachmodellen mit Opt-out, Datenschutz, Herkunftssuche, Emissionsangaben und einer Lizenz mit Nutzungsauflagen.

  36. Five hyperscalers now own over two-thirds of global AI compute epoch · 2026 · Q006181 · Hintergrund, keine Belege

    Laut Epoch-AI-Schätzung kontrollierten Amazon, Google, Meta, Microsoft und Oracle Ende 2025 zusammen rund 71 Prozent der weltweiten KI-Rechenleistung.

  37. Over 30 AI models have been trained at the scale of GPT-4 epoch · 2025 · Q006248 · Hintergrund, keine Belege

    Epoch AI zählt für Juni 2025 über 30 Modelle oberhalb von 10²⁵ FLOP, weist aber auf teils unsichere Schätzungen hin; das Metadatum Januar 2025 widerspricht den späteren Einträgen.

  38. Frontier open models may surpass 1e26 FLOP of training compute before 2026 epoch · 2025 · Q006278 · Hintergrund, keine Belege

    Epoch AI erwartet aufgrund historischer Trends, dass offene Modelle die Schwelle von 10²⁶ Trainings-FLOP möglicherweise 2025, spätestens laut Prognoseintervall im November 2026, überschreiten.

  39. A roadmap for an AI learning campaign oecd · 2023 · Q006294 · Hintergrund, keine Belege

    Der Beitrag plädiert für eine weltweite Lernkampagne, die KI-Wissen, verantwortungsvolle Nutzung, bessere Schutzwerkzeuge und internationale Zusammenarbeit fördern soll.

  40. COVID-19 and beyond: Elements of certainty can make AI ecosystems trustworthy oecd · 2020 · Q006305 · Hintergrund, keine Belege

    Der Beitrag argumentiert, dass vertrauenswürdige KI offene Standards, überprüfbare Prüfungen und eine risikobasierte Governance braucht, liefert jedoch keine eigenen systematischen Wirksamkeitsnachweise.

  41. The power required to train frontier AI models is doubling annually epoch · 2024 · Q006326 · Hintergrund, keine Belege

    Epoch AI zufolge verdoppelt sich der geschätzte Leistungsbedarf für das Training führender KI-Modelle jährlich; die Datengrundlage ist gefiltert und geschätzt, und der Auszug enthält unstimmige Zeitangaben.

  42. AI progress is about to speed up epoch · 2025 · Q006459 · Hintergrund, keine Belege

    Der Autor erwartet 2025 deutliche KI-Fortschritte durch größere Trainingsläufe, sieht aber bei eigenständigem Handeln und langen komplexen Aufgaben anhaltende Grenzen.

  43. Decree of the President of the Russian Federation on the Development of Artificial Intelligence in the Russian Federation cset · 2019 · Q006508 · Hintergrund, keine Belege

    Russlands 2019 beschlossene KI-Strategie setzt bis 2030 Ziele für Forschung, Daten, Technik, Fachkräfte und Regulierung, doch der Bericht belegt nicht, ob diese erreicht wurden.

  44. How much AI compute do frontier labs use? epoch · 2026 · Q006568 · Hintergrund, keine Belege

    Laut einer unsicheren Schätzung nutzten die fünf größten Frontier-KI-Labore Ende 2025 weniger als die Hälfte der weltweiten KI-Rechenleistung, könnten ihren Anteil aber rasch steigern und damit den Druck auf den globalen Ausbau erhöhen.

  45. How far can decentralized training over the internet scale? epoch · 2025 · Q006623 · Hintergrund, keine Belege

    Dezentrales KI-Training könnte deutlich wachsen und größere offene Modelle ermöglichen, wird laut Bericht aber voraussichtlich noch in diesem Jahrzehnt nicht den Rechenumfang der Spitzenmodelle erreichen.

  46. The OECD Framework for Classifying AI Systems to assess policy challenges and ensure international standards in AI oecd · 2022 · Q006636 · Hintergrund, keine Belege

    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.

  47. Keeping up with the GPTs epoch · 2026 · Q006748 · Hintergrund, keine Belege

    Ho meint, Effizienz und Distillation können den Rechenrückstand kleinerer KI-Labore verringern, aber wahrscheinlich keinen zehnfachen Abstand ausgleichen; seine Einschätzung beruht auf begrenzter Evidenz.

  48. Familiar methods can help to ensure trustworthy AI as the algorithm auditing industry grows oecd · 2021 · Q006823 · Hintergrund, keine Belege

    Der Bericht plädiert für risikobasierte Audits von Algorithmen, die zentrale Vertrauensfragen prüfen, Zielkonflikte berücksichtigen und in Governance eingebettet werden.

  49. Soft law 2.0: Incorporating incentives and implementation mechanisms into the governance of artificial intelligence oecd · 2021 · Q006831 · Hintergrund, keine Belege

    Eine Auswertung von 634 KI-Soft-Law-Programmen legt nahe, dass Anreize und Umsetzungsmechanismen ihre Glaubwürdigkeit stärken könnten; die Befunde reichen nur bis Ende 2019 und Soft Law löst nicht alle Governance-Probleme.

  50. Three challenges facing compute-based AI policies epoch · 2025 · Q006848 · Hintergrund, keine Belege

    Der bereitgestellte Auszug zufolge erfassen gängige Rechenmetriken wichtige Fähigkeitsquellen nur unvollständig; die Autoren plädieren für regelmäßige Überprüfung und ergänzende Bewertungen.

  51. What we learned from 1,604 Chinese AI job postings epoch · 2026 · Q006884 · Hintergrund, keine Belege

    Laut einer Auswertung von über 1.600 Stellenanzeigen unterscheiden sich chinesische KI-Firmen bei Hardware, Infrastruktur, Geschäft und Forschung; die Anzeigen geben jedoch nur begrenzte Hinweise auf ihre tatsächliche Praxis.

  52. What went into training DeepSeek-R1? epoch · 2025 · Q006889 · Hintergrund, keine Belege

    Der Autor schätzt R1s zusätzliche GPU-Trainingskosten auf rund eine Million Dollar und sieht das Modell bei ungefähr o1-Leistung zu deutlich geringerem API-Preis.

  53. Why China isn’t about to leap ahead of the West on compute epoch · 2025 · Q006914 · Hintergrund, keine Belege

    Der Beitrag argumentiert, dass China bei KI-Chips aufholt, aber wegen Fertigungsengpässen, Exportbeschränkungen und Softwareproblemen den Westen in den nächsten Jahren voraussichtlich nicht bei der Rechenleistung überholen wird.

  54. What Huawei’s Horinger data center reveals about China’s compute gap epoch · 2026 · Q006964 · Hintergrund, keine Belege

    Laut Epoch AI erreicht Huawei Horinger geschätzt rund sieben Prozent der Rechenleistung von Colossus 2, wobei die satelliten- und annahmebasierte Schätzung erhebliche Unsicherheiten aufweist.

  55. An Alien Mind openai · 2026 · Q007478 · Hintergrund, keine Belege

    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.

  56. Research acceleration: The view inside OpenAI openai · 2026 · Q007497 · Hintergrund, keine Belege

    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.

  57. AI progress and recommendations openai · 2025 · Q007608 · Hintergrund, keine Belege

    OpenAI erwartet rasante KI-Fortschritte und empfiehlt, ihre Chancen durch breite Zugänglichkeit zu nutzen und Risiken mit Aufsicht, gemeinsamer Sicherheitsarbeit und robuster Kontrolle zu begrenzen.

  58. Moving AI governance forward openai · 2023 · Q007614 · Hintergrund, keine Belege

    Der Bericht beschreibt freiwillige, zeitlich an vergleichbare Regulierung gebundene Zusagen führender KI-Unternehmen für leistungsfähigere generative Modelle, darunter Sicherheitstests, Schutzmaßnahmen, Kennzeichnung und Transparenz.

  59. OpenAI safety practices openai · 2024 · Q007646 · Hintergrund, keine Belege

    OpenAI stellt zehn selbst beschriebene Sicherheitsmaßnahmen vor und kündigt für künftige, leistungsfähigere Modelle stärkere Schutzvorkehrungen und mehr Testzeit an.

  60. Supercomputer networking to accelerate large scale AI training openai · 2026 · Q007896 · Hintergrund, keine Belege

    OpenAI zufolge verteilt MRC den Netzwerkverkehr auf viele Pfade und soll so Ausfälle und Überlastung in großen KI-Trainingsclustern abfedern.

  61. Helping build shared standards for advanced AI openai · 2026 · Q007935 · Hintergrund, keine Belege

    OpenAI zufolge soll Appia offene, interoperable Standards für KI-Prüfungen fördern; die Wirkung des Vorhabens wird im Bericht nicht unabhängig belegt.

  62. OpenAI’s comment to the NTIA on open model weights openai · 2024 · Q007961 · Hintergrund, keine Belege

    OpenAI befürwortet offene und kontrollierte KI-Veröffentlichungen, fordert je nach Modellrisiko abgestufte Prüfungen und hält flexible Politik angesichts einer noch jungen Risikowissenschaft für nötig.

  63. A business that scales with the value of intelligence openai · 2026 · Q007975 · Hintergrund, keine Belege

    OpenAI-CFO Sarah Friar zufolge sollen wachsende KI-Nutzung, Rechenkapazität und Einnahmen einander verstärken; die dafür genannten Zahlen sind im Beitrag nicht unabhängig überprüft.

  64. Accelerating the next phase of AI openai · 2026 · Q008088 · Hintergrund, keine Belege

    OpenAI zufolge soll eine Finanzierungsrunde über 122 Milliarden US-Dollar den Ausbau seiner KI-Infrastruktur und einer einheitlichen KI-Anwendung beschleunigen; die dazu genannten Wachstumszahlen stammen aus dem Unternehmen selbst.

  65. Scaling Kubernetes to 7,500 nodes openai · 2021 · Q008178 · Hintergrund, keine Belege

    OpenAI berichtet, Kubernetes für seine spezielle ML-Forschungsinfrastruktur auf 7.500 Knoten skaliert zu haben, während Prometheus-Speicherung und die Steuerung des Internetverkehrs offene Herausforderungen bleiben.

  66. OpenAI Five defeats Dota 2 world champions openai · 2019 · Q008206 · Hintergrund, keine Belege

    OpenAI berichtet, OpenAI Five habe dank stark ausgeweiteten Trainings Dota-2-Weltmeister besiegt und überraschend auch mit Menschen kooperieren können; die Belastbarkeit des Systems sollte eine öffentliche Arena noch prüfen.

  67. Improving verifiability in AI development openai · 2020 · Q008309 · Hintergrund, keine Belege

    Der Text stellt zehn Empfehlungen für besser überprüfbare KI-Entwicklung vor, ist aber nur eine Zusammenfassung und erläutert weder deren Wirksamkeit noch die Einschränkungen des vollständigen Berichts.

  68. Improving language understanding with unsupervised learning openai · 2018 · Q008391 · Hintergrund, keine Belege

    OpenAI berichtet von meist verbesserten Sprachaufgaben-Ergebnissen durch unüberwachtes Vortraining eines Transformers, weist aber auf hohe Rechenkosten, Datenverzerrungen und fragile Verallgemeinerung hin.

  69. Why responsible AI development needs cooperation on safety openai · 2019 · Q008585 · Hintergrund, keine Belege

    Der Bericht empfiehlt Kooperation, Transparenz und Anreize für Sicherheitsstandards, damit Wettbewerbsdruck die sichere Entwicklung von KI nicht untergräbt.

  70. Frontier AI regulation: Managing emerging risks to public safety openai · 2023 · Q008605 · Hintergrund, keine Belege

    Der vorliegende Quelltext ist ein Auszug, der Regulierungsvorschläge für leistungsfähige KI-Modelle skizziert, darunter Sicherheitsprüfungen, Berichtspflichten und staatliche Aufsicht.

  71. Better language models and their implications openai · 2019 · Q008626 · Hintergrund, keine Belege

    Der Bericht beschreibt GPT‑2 als leistungsfähiges, aber fehleranfälliges Sprachmodell und begründet mit möglichen Missbrauchsrisiken eine zunächst eingeschränkte, später gestufte Veröffentlichung.

  72. OpenAI o1 System Card openai · 2024 · Q008641 · Hintergrund, keine Belege

    OpenAI beschreibt o1 als in vielen Sicherheitstests verbessert, stuft es aber wegen verbleibender Risiken insgesamt als mittleres Risiko ein und warnt, dass die Prüfungen mögliche Fähigkeiten nur unvollständig erfassen.

  73. AI and efficiency openai · 2020 · Q008648 · Hintergrund, keine Belege

    Laut Bericht verbesserte sich die Trainingseffizienz bei einigen stark beforschten KI-Aufgaben deutlich, doch wenige Messpunkte und begrenzte Kostenerfassung schränken die Verallgemeinerung ein.

  74. Confidence-Building Measures for Artificial Intelligence: Workshop proceedings openai · 2023 · Q008659 · Hintergrund, keine Belege

    Der Auszug benennt sechs vertrauensbildende Maßnahmen gegen mögliche internationale Sicherheitsrisiken durch Foundation Models, erläutert oder bewertet ihre Umsetzung aber nicht.

  75. AI and compute openai · 2018 · Q008815 · Hintergrund, keine Belege

    Laut Bericht wuchs der Compute großer KI-Trainingsläufe seit 2012 außergewöhnlich schnell, doch Dauer und Folgen dieses Trends bleiben unsicher.

  76. Frontier Model Forum openai · 2023 · Q008864 · Hintergrund, keine Belege

    Vier KI-Unternehmen kündigen ein Forum für Sicherheitsforschung, Standards und Informationsaustausch zu Frontier-Modellen an; die Quelle beschreibt Vorhaben, nicht deren Umsetzung oder Wirkung.

  77. Questions for the Record openai · 2023 · Q008963 · Hintergrund, keine Belege

    OpenAI legt in den Antworten seine Vorschläge zu KI-Regeln und eigene Sicherheits-, Kreativ- und Kinderschutzmaßnahmen dar; der Bericht gibt dabei die Unternehmenssicht wieder, ohne deren Wirksamkeit unabhängig zu prüfen.

  78. Preparing for future AI capabilities in biology openai · 2025 · Q009274 · Hintergrund, keine Belege

    OpenAI stellt Schutzpläne gegen möglichen biologischen Missbrauch leistungsfähiger KI vor, weist aber auf unsichere Risikobewertungen hin und liefert keine unabhängige Wirksamkeitsprüfung.

  79. How we think about safety and alignment openai · Q009304 · Hintergrund, keine Belege

    OpenAI setzt laut Bericht auf schrittweise Erprobung, mehrschichtige Schutzmaßnahmen, menschliche Kontrolle und gemeinsame Verantwortung, räumt jedoch erhebliche Unsicherheit und offene Wirksamkeitsfragen ein.

  80. https://arxiv.org/pdf/2005.14165 openai · Q009431 · Hintergrund, keine Belege

    Die Notizen beschreiben GPT‑3s teils starke, aber aufgabenabhängige Few‑Shot-Leistung und betonen Einschränkungen durch Schwächen einzelner Aufgaben, mögliche Datenkontamination und unvollständige Erläuterungen in den Anhangsauszügen.

  81. Das Zeitfenster für KI-Richtlinien ist offen. Wir müssen handeln. openai · Q009515 · Hintergrund, keine Belege

    OpenAI drängt auf rasche KI-Sicherheitsregeln und erklärt, seine Schutzmaßnahmen mit den Fähigkeiten der Systeme weiterzuentwickeln.

  82. Does Codex Train on Your Code? OpenAI Answered That Four Different Ways in Three Days. medium.com · 2026 · Q011003 · Hintergrund, keine Belege

    Der Artikel sagt, OpenAIs Antworten ließen offen, ob Codex-Daten zum Training beitragen, und mahnt, die separate Trainingseinstellung für Codex-Vollumgebungen zu prüfen.

  83. You Are Evaluating Sovereign AI Wrong medium.com · 2026 · Q011506 · Hintergrund, keine Belege

    Der Beitrag empfiehlt, KI-Souveränität anhand von Kontrolle über Rechenleistung, Daten, Modelle und Wechselmöglichkeiten zu prüfen, statt sie allein am Serverstandort oder an offenen Modellgewichten festzumachen.

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →