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

Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?

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

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. Projecting compute trends in machine learning epoch · 2022 · Q005190 · Hintergrund, keine Belege

    Epoch AI projiziert, dass historisches Wachstum des ML-Trainingsaufwands – unter erheblichen Unsicherheiten und ohne algorithmischen Fortschritt – biologische Rechenanker ab etwa 2030 erreichen könnte.

  2. Post by @AndrewCurran_ on X fragen-funde · 2026 · Q005258 · Hintergrund, keine Belege · ohne Zusammenfassung
  3. 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.

  4. The longest training run epoch · 2022 · Q005298 · Hintergrund, keine Belege

    Laut einem vereinfachten Modell sind optimale Trainingsläufe je nach Annahmen wenige Monate bis 3,6 Jahre lang, wobei die Schätzungen wegen unsicherer Fortschritte und technischer sowie finanzieller Faktoren mit Vorsicht zu verstehen sind.

  5. 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.

  6. Introducing GPT-4.5 openai · 2025 · Q005493 · Hintergrund, keine Belege

    OpenAI beschreibt GPT‑4.5 als teure, rechenintensive Forschungsvorschau mit stärkerem Wissen und natürlicherer Zusammenarbeit, weist aber auf gemischte Benchmarkvergleiche hin und kennzeichnet den Launch-Beitrag als veraltet.

  7. Trends in training dataset sizes epoch · 2022 · Q005559 · Hintergrund, keine Belege

    Der Bericht findet wachsende Trainingsdatensätze, besonders bei Sprache und Bildverarbeitung, warnt aber vor weitreichenden Schlüssen wegen kleiner und nur eingeschränkt vergleichbarer Stichproben.

  8. What will AI look like in 2030? epoch · 2025 · Q005627 · Hintergrund, keine Belege

    Die Publikationsseite skizziert Epoch AIs unsichere Prognose, dass fortgesetzte KI-Skalierung bis 2030 erhebliche wissenschaftliche Fähigkeiten ermöglicht, während Infrastrukturhürden und die tatsächliche Einführung offenbleiben.

  9. Language models are few-shot learners openai · 2020 · Q005758 · Hintergrund, keine Belege

    Der vorliegende Auszug berichtet über GPT‑3s Few-shot-Leistungen und deren Grenzen, enthält aber nur die Zusammenfassung des Berichts.

  10. New global AI computing capacity is doubling every 9 months epoch · 2026 · Q005786 · Hintergrund, keine Belege

    Der bereitgestellte Berichtsausschnitt schätzt eine Verdopplung der weltweit neu verkauften KI-Chipkapazität etwa alle neun Monate; Hinweise auf eine Verlangsamung sind laut Bericht statistisch nicht signifikant.

  11. 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.

  12. Largest AI data center power: doubling every 10 months epoch · 2026 · Q006097 · Hintergrund, keine Belege

    Epoch AI beschreibt starkes Wachstum der größten KI-Rechenzentren, doch wegen kleiner Stichprobe und unsicherer Schätzungen bleibt unklar, ob sich der Trend verlangsamt.

  13. Google controls the most AI computing power, driven by its custom TPUs epoch · 2026 · Q006102 · Hintergrund, keine Belege

    Epoch AI schätzt Google dank seiner TPUs als größten Eigentümer von KI-Rechenkapazität Ende 2025 ein; die Aussage beruht auf Schätzungen, und eigene Chips von Microsoft und Meta fehlen in der Erfassung.

  14. GPT-5 and GPT-4 were both major leaps in benchmarks from the previous generation epoch · 2025 · Q006127 · Hintergrund, keine Belege

    Epoch AI zufolge waren GPT-4 und GPT-5 jeweils große Benchmark-Fortschritte gegenüber der Vorgängergeneration, doch die Messwerte sind nicht direkt vergleichbar.

  15. The pace of large-scale model releases is accelerating epoch · 2024 · Q006195 · Hintergrund, keine Belege

    Der bereitgestellte Auszug behauptet einen starken Anstieg großer KI-Modelle, enthält aber ungeklärte Abweichungen zwischen Text und Abbildungsdaten.

  16. OpenAI and NVIDIA announce strategic partnership to deploy 10 gigawatts of NVIDIA systems openai · 2025 · Q006217 · Hintergrund, keine Belege

    OpenAI und NVIDIA planen mindestens zehn Gigawatt KI-Infrastruktur und eine daran gekoppelte NVIDIA-Investition von bis zu 100 Milliarden US-Dollar; die Vereinbarung ist noch eine Absichtserklärung.

  17. The stock of computing power from NVIDIA chips is doubling every 10 months epoch · 2025 · Q006262 · Hintergrund, keine Belege

    Epoch schätzt ein jährliches Wachstum der kumulierten NVIDIA-GPU-Rechenleistung um den Faktor 2,3 seit 2019, weist aber auf modellbasierte Annahmen und ausgelassene Beschleuniger hin.

  18. How fast can algorithms advance capabilities? epoch · 2025 · Q006642 · Hintergrund, keine Belege

    Laut Beitrag kann KI auch mit begrenzter Rechenleistung vorankommen, doch die größten algorithmischen Gewinne erfordern oft große Maßstäbe; die zugrunde liegenden Tests sind klein und erfassen nur Vortrainingsverlust.

  19. How has DeepSeek improved the Transformer architecture? epoch · 2025 · Q006655 · Hintergrund, keine Belege

    Der meinungsbetonte Artikel beschreibt drei DeepSeek-v3-Architekturideen mit möglichen Effizienz- und Leistungsvorteilen, deren Belege überwiegend aus DeepSeeks eigenen Berichten stammen.

  20. How many digital workers could OpenAI deploy? epoch · 2025 · Q006664 · Hintergrund, keine Belege

    Eine unsichere Überschlagsrechnung kommt auf rund 7 Millionen digitale Arbeitsäquivalente für derzeit von KI lösbare Aufgaben, nicht auf ebenso viele heute ersetzbare menschliche Arbeitsplätze.

  21. How much energy does ChatGPT use? epoch · 2025 · Q006677 · Hintergrund, keine Belege

    Epoch AI veranschlagt für eine typische textbasierte GPT-4o-Anfrage modellbasiert rund 0,3 Wh, betont aber, dass lange Eingaben, andere Modelle und unsichere Annahmen den tatsächlichen Verbrauch stark verändern können.

  22. 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.

  23. Toward an O*NET for AI R&D epoch · 2026 · Q006856 · Hintergrund, keine Belege

    Der Beitrag stellt ein vorläufiges, subjektiv bewertetes Aufgabenverzeichnis für KI-Forschung vor, das bestehende Messgrößen ergänzen, aber keine Automatisierung allein nachweisen soll.

  24. 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.

  25. 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.

  26. Why GPT-5 used less training compute than GPT-4.5 (but GPT-6 probably won’t) epoch · 2025 · Q006924 · Hintergrund, keine Belege

    Der vorliegende Auszug vermutet, dass neue Post-Training-Verfahren und Zeitdruck erklären, warum GPT‑5 trotz geringeren Rechenaufwands im abschließenden Trainingslauf GPT‑4.5 übertroffen habe; die Schätzungen sind unsicher und die These nicht als interne Tatsache belegt.

  27. GPT-4 openai · 2023 · Q007220 · Hintergrund, keine Belege

    OpenAI beschreibt GPT‑4 als leistungsfähiger und sicherer als GPT‑3.5, räumt aber unter anderem Verzerrungen und Halluzinationen als fortbestehende Grenzen ein.

  28. Introducing gpt-oss openai · 2025 · Q007308 · Hintergrund, keine Belege

    OpenAI veröffentlicht zwei offene Mixture-of-Experts-Sprachmodelle und behauptet starke Benchmark- und Werkzeugleistungen bei lokalem Betrieb; die im Bericht genannten Leistungs- und Sicherheitsbefunde sind Anbieterangaben.

  29. Path to Astra: critical capabilities and frontier safeguards openai · 2026 · Q007551 · Hintergrund, keine Belege

    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.

  30. CLIP: Connecting text and images openai · 2021 · Q007789 · Hintergrund, keine Belege

    OpenAI zufolge macht CLIP Bildklassifikation flexibler und auf mehreren Tests robuster, bleibt aber bei bestimmten Aufgaben, der Prompt-Wahl und gesellschaftlichen Risiken deutlich begrenzt.

  31. 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.

  32. 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.

  33. Discovering the minutiae of backend systems openai · 2022 · Q008056 · Hintergrund, keine Belege

    Das Interview porträtiert eine OpenAI-Ingenieurperson, die nach eigener Aussage Supercomputerprobleme für Forschungsteams untersucht und durch technische Optimierungen Rechenzeit spart.

  34. 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.

  35. Learning to summarize with human feedback openai · 2020 · Q008306 · Hintergrund, keine Belege

    Laut Bericht verbessert menschliches Feedback maschinelle Zusammenfassungen auch über den Reddit-Trainingsdatensatz hinaus, doch bleiben Bewertungsfehler, Längeneffekte, Voreingenommenheit und hoher Rechenaufwand zentrale Einschränkungen.

  36. AWS and OpenAI announce multi-year strategic partnership openai · 2025 · Q008396 · Hintergrund, keine Belege

    Laut Unternehmensmitteilung soll eine 38-Milliarden-Dollar-Partnerschaft OpenAI ab sofort mit AWS-Rechenleistung versorgen; die angekündigte Bereitstellung bis Ende 2026 ist im Bericht noch nicht als abgeschlossen belegt.

  37. Introducing ChatGPT openai · 2022 · Q008742 · Hintergrund, keine Belege

    Der Bericht beschreibt OpenAIs Einführung von ChatGPT und dessen RLHF-Training sowie bekannte Grenzen wie falsche, schwankende oder potenziell schädliche Antworten.

  38. Testimony before the U.S. Senate openai · 2023 · Q008913 · Hintergrund, keine Belege

    Altman wirbt vor dem US-Senat für KI-Sicherheitsregeln und beschreibt OpenAIs Vorteile und Schutzmaßnahmen, räumt aber Fehler und Risiken ein; seine Angaben sind nicht unabhängig geprüft.

  39. https://arxiv.org/pdf/2201.10005 openai · Q009450 · Hintergrund, keine Belege

    Kontrastives Vortraining erzielt laut Bericht starke Ergebnisse bei Text- und Codesuche, bleibt aber bei Satzähnlichkeit schwächer und ist rechenintensiv.

  40. https://arxiv.org/pdf/2102.02503 openai · Q009457 · Hintergrund, keine Belege

    Eine Gesprächsrunde über GPT‑3 hob dessen Fähigkeiten und mögliche gesellschaftliche Risiken hervor, ließ aber zentrale Fragen zu Verständnis, Sicherheit und Folgen offen.

  41. Auf dem Weg zu Sicherheitsnachweisen für das Training von Frontier-KI openai · Q009545 · Hintergrund, keine Belege

    OpenAI skizziert vorläufige Sicherheitsleitlinien für Frontier-KI-Training und betont, dass belastbare Sicherheitsnachweise ein langfristiges Ziel sind.

  42. Trends in machine learning hardware epoch · 2023 · Q009549 · Hintergrund, keine Belege

    Epoch AI zufolge wachsen ML-Rechenleistung und niedrigpräzise Tensor-Leistung stark, doch langsamer wachsender Speicher, Chipverbindungen und methodische Grenzen machen Spitzenwerte allein zu einem unvollständigen Maß für die Praxis.

  43. https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf anthropic · Q009729 · Hintergrund, keine Belege

    Der Bericht beschreibt RL- und Destillationsverfahren, mit denen DeepSeek laut den Autoren starke Schlussfolgerungs-Benchmarkwerte erreicht, nennt aber weiterhin Grenzen bei Lesbarkeit, Sprachen, Prompting und einigen praktischen Aufgaben.

  44. GPT-5 May Be Proof That Scaling Alone Can’t Save AI frank-andrade.medium.com · 2025 · Q009787 · Hintergrund, keine Belege

    Der Bericht behauptet, dass die Skalierung von KI-Modellen zunehmend teurer wird und weniger bringt, während Datenqualität, Rechenleistung und Zuverlässigkeit wichtige Grenzen setzen.

  45. The Dark Side of Anthropic’s Growth medium.com · 2026 · Q010920 · Hintergrund, keine Belege

    Der Beitrag sieht Anthropic zwischen Sicherheitsanspruch und kommerziellem Wachstumsdruck gefangen und fordert Regeln, die verantwortliches Handeln auch unter Wettbewerbsdruck stützen.

  46. Olmo 3: The Fully-Open 7B & 32B AI Model Taking On Qwen and DeepSeek medium.com · 2025 · Q011350 · Hintergrund, keine Belege

    Der Bericht stellt Olmo 3 als offen dokumentierte 7B- und 32B-Modellfamilie für Assistenz, längeres Schlussfolgern und RL-Forschung vor, wobei die Leistungsangaben Behauptungen des Artikels bleiben.

  47. Safety Cases: A Scalable Approach to Frontier AI Safety fragen-funde · Q000009 · Hintergrund, keine Belege

    Der arXiv-Auszug stellt Safety Cases als möglichen Beitrag zur Sicherheit fortgeschrittener KI vor, belegt ihre Wirkung aber nicht konkret.

  48. The US and China Cannot Slow the AI Race, But They Can Make It Safer fragen-funde · 2026 · Q000028 · Hintergrund, keine Belege

    Der Beitrag plädiert dafür, dass die USA, China und Mittelmächte trotz fortdauernder KI-Konkurrenz technische Zusammenarbeit organisieren, um autonome KI-Risiken einzudämmen und Schwachstellen schneller zu beheben.

  49. The Case for Universal AI Accountability fragen-funde · 2026 · Q000033 · Hintergrund, keine Belege · ohne Zusammenfassung
  50. Addendum to GPT-6 Astra System Card: GPT-6.1 Sol openai · 2026 · Q000065 · Hintergrund, keine Belege

    Laut OpenAI bietet GPT-6.1 Sol in vielen Tests Sicherheitsverbesserungen, wird als „Critical“ im Cyberbereich eingestuft und zeigt zugleich einzelne Risiken, wobei die schwierigen Testbedingungen keine durchschnittliche Nutzung abbilden.

  51. 美国观察|从零份文件到两份清单:白宫会谈后中美人工智能治理合作的区间、层级与路线 fragen-funde · Q000070 · Hintergrund, keine Belege

    Laut Bericht ist begrenzte technische Kooperation zwischen China und den USA bei KI-Vorfällen und Tests wahrscheinlicher als ein verbindliches Abkommen zu Spitzenmodellen.

  52. Xi’s India trip; US-China and AI; MSS head on AI; Weak August credit data; “Dynamic zero 动态清零” for payment arrears fragen-funde · 2026 · Q000073 · Hintergrund, keine Belege

    Der Auszug schildert begrenzte Ergebnisse von Xis Indienreise, geringe Erwartungen an einen US-chinesischen KI-Dialog und chinesische Sorgen über KI-Sicherheitsrisiken, insbesondere Cyberangriffe.

  53. The US and China will have a red phone for AI emergencies, while Europe is left to watch fragen-funde · 2026 · Q000075 · Hintergrund, keine Belege · ohne Zusammenfassung
  54. Minister calls for AI risk control system fragen-funde · 2026 · Q000083 · Hintergrund, keine Belege · ohne Zusammenfassung
  55. White House, major AI developers reach 'morally binding' safety commitments fragen-funde · 2026 · Q000085 · Hintergrund, keine Belege

    Sechs KI-Unternehmen vereinbarten mit dem Weißen Haus freiwillige Sicherheitskontrollen und Prüfungen, doch der Bericht nennt keine Durchsetzung und lässt ihre Wirksamkeit offen.

  56. Artificial Intelligence Safety Collaboration and Antitrust Law fragen-funde · 2026 · Q000087 · Hintergrund, keine Belege · ohne Zusammenfassung
  57. AI leaders support call to slow pace of frontier development as safety concerns grow fragen-funde · 2026 · Q000094 · Hintergrund, keine Belege

    Mehrere KI-Unternehmen unterstützen laut Bericht stärkere Prüfungen und eine langsamere Entwicklung fortgeschrittener KI, doch geopolitische Konkurrenz und politische Uneinigkeit erschweren gemeinsame Regeln.

  58. Developing Safety Standards Is Not Inherently Anticompetitive fragen-funde · 2026 · Q000096 · Hintergrund, keine Belege

    Nicastro und Castro argumentieren, dass gemeinsame freiwillige KI-Sicherheitsstandards nicht automatisch gegen das Kartellrecht verstoßen und der konkrete Wettbewerbsnachteil im Einzelfall belegt werden muss.

  59. Tap Your Own Brakes: AI Safety and Antitrust fragen-funde · 2026 · Q000099 · Hintergrund, keine Belege

    Der Autor hält eine gemeinsame kartellrechtliche Bremse für KI-Unternehmen erst dann für gerechtfertigt, wenn ein konkreter Sicherheitsbedarf besteht und einseitige Maßnahmen oder zulässige Kooperation nachweislich nicht ausreichen.

  60. What Anthropic’s Antitrust Waiver Says About the Law and Economics of AI fragen-funde · 2026 · Q000100 · Hintergrund, keine Belege

    Der Bericht argumentiert, KI-Sicherheitskooperation könne nötig sein, müsse aber unter befristeter und fachkundiger öffentlicher Aufsicht stehen, damit Unternehmen nicht selbst dauerhaft die Regeln der Branche bestimmen.

  61. How an assessor could investigate alignment of unreleased AI models metr · 2026 · Q000102 · Hintergrund, keine Belege

    METR entwirft ein aufwendiges Prüfkonzept für mögliche Fehlhandlungen unveröffentlichter KI-Agenten und warnt, dass Protokoll- und Simulationsergebnisse unvollständig sein könnten.

  62. How an 'AI freeze' could make big AI companies bigger and hurt smaller firms fragen-funde · 2026 · Q000104 · Hintergrund, keine Belege · ohne Zusammenfassung
  63. Exclusive-Behind AI industry's call for independent reviews, a fight over what gets made public fragen-funde · 2026 · Q000105 · Hintergrund, keine Belege

    Reuters berichtet über den Konflikt zwischen dem Schutz von KI-Geschäftsgeheimnissen und unabhängiger Risikoprüfung; die geschilderten Verhandlungen und strittigen Schwärzungen werden im Artikel nicht unabhängig abschließend geklärt.

  64. Trusting AI starts with trusting its data fragen-funde · 2026 · Q000143 · Hintergrund, keine Belege · ohne Zusammenfassung
  65. Transect: Making large-scale agentic evaluations easier to understand aisi · 2026 · Q000155 · Hintergrund, keine Belege

    Transect ordnet Transkripte autonomer Agenten interaktiv und nachvollziehbar, doch seine modellgestützten Auswertungen bleiben prüfbedürftig und ersetzen weder gutes Evaluationsdesign noch menschliches Fachurteil.

  66. Exploring State AI Governance in AGORA #3: Frontier AI Laws – Emerging Technology Observatory fragen-funde · Q000161 · Hintergrund, keine Belege

    Laut AGORA-Vergleich setzen drei US-Bundesstaatengesetze auf Transparenz, unterscheiden sich aber bei Registrierung, unabhängigen Prüfungen, öffentlicher Recheninfrastruktur und Whistleblower-Schutz.

  67. Mistral Large 4 (Le Chonk) is now open weight mistral · 2026 · Q000215 · Hintergrund, keine Belege

    Mistral veröffentlicht Large 4 als anpassbares Open-Weight-Modell und meldet Benchmarkfortschritte, räumt aber ein mögliches Cyber-Missbrauchspotenzial ein und verlangt für kommerzielle Model-as-a-Service-Angebote eine separate Lizenz.

  68. What a China-US AI Safety Channel Needs fragen-funde · 2026 · Q000224 · Hintergrund, keine Belege

    Ein geplanter China-USA-Meldekanal für KI-Vorfälle wird laut den Autoren nur funktionieren, wenn beide Länder ihre lückenhaften Meldepflichten, Aufsicht und technischen Prüfkapazitäten stärken.

  69. AI standards as statecraft: a playbook for the Global South fragen-funde · 2026 · Q000225 · Hintergrund, keine Belege · ohne Zusammenfassung
  70. Beyond the AI slowdown: the four As for governing frontier AI - AI and Ethics fragen-funde · 2026 · Q000231 · Hintergrund, keine Belege

    Die Autoren schlagen vor, Frontier-KI anhand von Kontrolle, Zugang, Entscheidungsbefugnis und Verteilung gezielt zu regulieren, statt sich auf eine pauschale Verlangsamung zu verlassen.

  71. IA, dal Vaticano l’appello a regole e responsabilità umane fragen-funde · 2026 · Q000240 · Hintergrund, keine Belege · ohne Zusammenfassung
  72. What a US-China AI Safety Channel Needs fragen-funde · 2026 · Q000246 · Hintergrund, keine Belege

    Laut den Autoren kann ein US-chinesischer KI-Meldekanal nur funktionieren, wenn beide Länder ihre nationalen Meldepflichten, Zuständigkeiten und Prüfkapazitäten stärken.

  73. Anthropic’s Claude Agents Find a Training-Monitor Gap fragen-funde · 2026 · Q000247 · Hintergrund, keine Belege · ohne Zusammenfassung
  74. PRC–US AI talks: safety at speed fragen-funde · 2026 · Q000253 · Hintergrund, keine Belege

    China und die USA könnten bei KI-Risikoregeln und Vorfallmeldungen zusammenarbeiten, doch Entwicklungsgrenzen und globale Zuständigkeiten bleiben umstritten; Ergebnisse der geplanten Novembergespräche lagen im Bericht noch nicht vor.

  75. What affects chain-of-thought monitorability across the model lifecycle? openai · 2026 · Q000288 · Hintergrund, keine Belege

    Laut Bericht könnten leistungsfähigere Modelle schwerer anhand ihres CoT zu überwachen sein, doch die verwendeten Ersatzmaße sagen tatsächliche Monitor-Umgehung nur unzuverlässig voraus.

  76. Paul Christiano: AI Alignment - What’s Working and What’s Not | The Hinton Lectures 2026 (Night 1) youtube.com · 2026 · Q000297 · Hintergrund, keine Belege · ohne Zusammenfassung
  77. The Hinton Lectures: Paul Christiano medium.com · 2026 · Q000299 · Hintergrund, keine Belege

    Der Bericht fasst Christiano zugeschriebene Warnungen und Vorschläge zur KI-Sicherheit zusammen, doch der bereitgestellte Text bricht bei der Darstellung des dritten Vortrags ab.

  78. Transparency Disclosures for Chain-of-Thought Monitorability arxiv.org · Q000303 · Hintergrund, keine Belege

    Der bereitgestellte Abstract-Auszug empfiehlt fünf Offenlegungsindikatoren für das Monitoring von KI-Gedankengängen und fordert eine unabhängigere Prüfung, da kein untersuchter Anbieter alle Indikatoren abdeckt.

  79. Trying to prompt-inject the grader in filenames openai · 2026 · Q000327 · Hintergrund, keine Belege

    Laut Bericht beeinflussten manipulierte Dateinamen zwei von drei Bewertenden dazu, einem Modell volle Punktzahl zu geben.

  80. Washington’s Bet on Superintelligence indianarrative.com · 2026 · Q000335 · Hintergrund, keine Belege · ohne Zusammenfassung
  81. Against SURA lesswrong.com · 2026 · Q000342 · Hintergrund, keine Belege · ohne Zusammenfassung
  82. Our Most Aligned Model Yet lesswrong.com · 2026 · Q000348 · Hintergrund, keine Belege · ohne Zusammenfassung
  83. AI cyberattacks: a timeline of real cases ully.com · 2026 · Q000360 · Hintergrund, keine Belege · ohne Zusammenfassung
  84. Fondation France-Asie – Towards a Franco-Indian alliance based on shared principles for artificial intelligence, a strategic imperative to shape global AI governance. fondationfranceasie.org · Q000373 · Hintergrund, keine Belege

    Die Autoren schlagen eine pragmatische französisch-indische KI-Partnerschaft mit gemeinsamen Prinzipien und Erprobungsräumen vor, um internationale Regeln anzunähern, ohne die nationalen Rechtsordnungen zu vereinheitlichen.

  85. Post by @tedlieu on X x-posts · 2026 · Q000381 · Hintergrund, keine Belege · ohne Zusammenfassung
  86. China plans broad AI guardrails after global lapses taipeitimes.com · 2026 · Q000384 · Hintergrund, keine Belege · ohne Zusammenfassung
  87. How to Secure Advanced U.S. Chips iaps.ai · 2026 · Q000392 · Hintergrund, keine Belege · ohne Zusammenfassung
  88. Joint declaration on Paris call for AI safety and security pm.gc.ca · Q000410 · Hintergrund, keine Belege · ohne Zusammenfassung
  89. Paris Call for AI safety and security presidentti.fi · 2026 · Q000423 · Hintergrund, keine Belege · ohne Zusammenfassung
  90. AI firms sign Macron’s Paris Call, but safety group says it lacks teeth thenextweb.com · 2026 · Q000426 · Hintergrund, keine Belege

    Der Paris Call enthält Sicherheitszusagen für fortgeschrittene KI, bleibt laut der mitunterzeichnenden CeSIA jedoch bei Risikoschwellen, Prüfzugang, Behördenbefugnissen und Fristen lückenhaft.

  91. Paris Call on AI Safety and Security Explained casrai.org · 2026 · Q000430 · Hintergrund, keine Belege

    Eine unverbindliche internationale KI-Sicherheitserklärung verspricht Zusammenarbeit und bessere Prüfungen, lässt laut Bericht aber zentrale Regeln, Fristen und Zugänge offen.

  92. 三年前求國會管 AI,三年後站上聯合國:奧特曼這次換白宮說不|參議院+安理會・中英字幕 youtube.com · 2026 · Q000433 · Hintergrund, keine Belege · ohne Zusammenfassung
  93. US keeps AI model testing rules under wraps heise.de · 2026 · Q000439 · Hintergrund, keine Belege · ohne Zusammenfassung
  94. AI rockets to top of worries about financial system in latest Fed survey reuters.com · 2026 · Q000464 · Hintergrund, keine Belege · ohne Zusammenfassung
  95. Anthropic warns that it's very close to RSI capability, aka self-building AI techcrunch.com · 2026 · Q000473 · Hintergrund, keine Belege

    Der offenbar unvollständige oder zusammengestellte Text handelt entgegen seinen Metadaten von gescheiterten und umgebauten KI-Produkten und nennt dafür unter anderem Konkurrenz, technische Probleme und fehlende Finanzierung.

  96. After the Midterms: What Xi and Trump Should Discuss in Shenzhen thediplomat.com · 2026 · Q000479 · Hintergrund, keine Belege

    Chen und Qi plädieren für begrenzte Handelsvereinbarungen, KI-Leitplanken und stärkere Krisenkanäle, um trotz politischer Spannungen eine Eskalation zwischen den USA und China zu verhindern.

  97. From filmmaking to maths, AI tide is rising faster than official responses scmp.com · 2026 · Q000480 · Hintergrund, keine Belege · ohne Zusammenfassung
  98. 10 Ways AI Labs Can Limit Antitrust Risks of Safety Pacts | Insights hklaw.com · Q000483 · Hintergrund, keine Belege · ohne Zusammenfassung
  99. AI Governance in Federal Proposals: What Vendors Need kensingtonsalesgroup.com · 2026 · Q000498 · Hintergrund, keine Belege · ohne Zusammenfassung
  100. Predictability of Collective Behavior in Networks of LLM Agents arxiv.org · Q000500 · Hintergrund, keine Belege

    Nur der Abstract liegt vor: Laut den Autoren lassen sich Kaskaden von LLM-Agenten besser vorhersagen, wenn ihre Reaktionen im jeweiligen Netzwerkkontext statt ohne Berücksichtigung der Kontaktzahl gemessen werden.

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →