- 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.
- Soft law 2.0: Incorporating incentives and implementation mechanisms into the governance of artificial intelligence
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.
- The promise of reasoning models
Der Autor erwartet große Fortschritte von Reasoning-Modellen bei überprüfbaren Denkaufgaben, aber langsamere Automatisierung praktischer Arbeit; seine Zeit- und Geschäftsentwicklungsprognosen bleiben ausdrücklich unsicher.
- Why future AI agents will be trained to work together
Der Beitrag prognostiziert den Übergang von starr vorgegebenen Agententeams zu KI-Modellen, die ihre Zusammenarbeit selbst organisieren, wobei Nutzen, Kosten und langfristige Entwicklung offenbleiben.
- AI Index Report 2021 Chapter 7
Der kurze Auszug kündigt ein Kapitel über KI-Politik und öffentliche Investitionen an, enthält jedoch keine konkreten Ergebnisse.
- Broadcom TPU shipments doubled to 2M H100-equivalents
Epoch AI schätzt eine Verdopplung der Broadcom-TPU-Rechenlieferungen auf knapp 1,966 Millionen H100-Äquivalente in Q3 FY26, weist aber auf erhebliche Schätzunsicherheit hin.
- Announcing The Stargate Project
Stargate soll laut OpenAIs Ankündigung 500 Milliarden US-Dollar in US-KI-Infrastruktur investieren; die genannten Vorteile sind Erwartungen, keine im Bericht belegten Ergebnisse.
- OpenAI and Amazon announce strategic partnership
OpenAI und Amazon planen gemeinsame KI-Angebote, eine große AWS-Rechenkapazitätsvereinbarung und eine Amazon-Investition von bis zu 50 Milliarden US-Dollar, wobei weitere Investitionsschritte und Zeitpläne an Bedingungen beziehungsweise Erwartungen gebunden sind.
- 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.
- Introducing improvements to the fine-tuning API and expanding our custom models program
OpenAI stellte Fine-Tuning-Verbesserungen und Custom-Model-Angebote vor, ergänzt aber im Nachtrag von 2026, dass die Fine-Tuning-Plattform ausläuft.
- Learning to reason with LLMs
OpenAI zufolge verbessert o1 die Leistung bei anspruchsvollen Denkaufgaben, doch die Ergebnisse gelten für bestimmte Tests und der Bericht nennt zugleich Grenzen sowie Sicherheitsauffälligkeiten.
- Introducing SWE-bench Verified
OpenAI zufolge soll SWE-bench Verified durch menschlich geprüfte Aufgaben Software-Agenten verlässlicher bewerten, doch statische Benchmarks decken nur einen begrenzten Bereich ab und ihre Ergebnisse haben methodische Einschränkungen.
- 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.
- An update on our safety & security practices
OpenAI kündigt unabhängige Aufsicht und weitere Sicherheitsmaßnahmen an, nennt aber weder konkrete Fristen noch ausführliche Prüfergebnisse; der Text ist keine erkennbare Auszugs- oder Fehlerseite.
- How should AI systems behave, and who should decide?
OpenAI will ChatGPT verbessern und anpassbarer machen sowie die Öffentlichkeit stärker an Regeln und Grenzen beteiligen, räumt aber ein, dass der Prozess unvollkommen ist und die Vorhaben noch keine belegten Ergebnisse darstellen.
- AI progress and recommendations
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.
- Moving AI governance forward
Der Bericht beschreibt freiwillige, zeitlich an vergleichbare Regulierung gebundene Zusagen führender KI-Unternehmen für leistungsfähigere generative Modelle, darunter Sicherheitstests, Schutzmaßnahmen, Kennzeichnung und Transparenz.
- OpenAI safety practices
OpenAI stellt zehn selbst beschriebene Sicherheitsmaßnahmen vor und kündigt für künftige, leistungsfähigere Modelle stärkere Schutzvorkehrungen und mehr Testzeit an.
- Our approach to AI safety
OpenAI schildert eigene Sicherheitsmaßnahmen für KI, räumt fortbestehende Risiken ein und präsentiert Verbesserungswerte, ohne sie im Bericht unabhängig überprüfen zu lassen.
- DALL·E 2 pre-training mitigations
OpenAI beschreibt Filter, Gewichtung und Deduplizierung als Maßnahmen gegen problematische Ausgaben, filterbedingte Verzerrungen und die Wiedergabe von Trainingsbildern, betont aber verbleibende Grenzen und Forschungsbedarf.
- Supercomputer networking to accelerate large scale AI training
OpenAI zufolge verteilt MRC den Netzwerkverkehr auf viele Pfade und soll so Ausfälle und Überlastung in großen KI-Trainingsclustern abfedern.
- Helping build shared standards for advanced AI
OpenAI zufolge soll Appia offene, interoperable Standards für KI-Prüfungen fördern; die Wirkung des Vorhabens wird im Bericht nicht unabhängig belegt.
- Open weights and AI for all
OpenAI zufolge sollen seine neuen offenen KI-Modelle den Zugang verbreitern und demokratisch geprägte KI-Infrastruktur stärken, doch der Bericht nennt keine konkreten Leistungsdaten oder unabhängigen Wirkungsnachweise.
- More on Dota 2
Laut OpenAI besiegte ein per Selbstspiel trainierter Bot Dota-2-Profis im 1-gegen-1, blieb aber anfällig für ungewohnte Strategien; 5 gegen 5 war noch ungelöst.
- Accelerating the next phase of AI
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.
- Techniques for training large neural networks
Der Bericht stellt Parallelisierungs- und Speicherverfahren für das Training großer neuronaler Netze vor und erläutert ihre wesentlichen Abwägungen.
- Learning to play Minecraft with Video PreTraining
VPT nutzt wenige beschriftete Spielaufnahmen, um Minecraft-Modelle aus großen Mengen Videos zu trainieren; laut Bericht gelang einem feinabgestimmten Modell in 2,5 Prozent der zehnminütigen Episoden die Herstellung einer Diamantspitzhacke.
- Why responsible AI development needs cooperation on safety
Der Bericht empfiehlt Kooperation, Transparenz und Anreize für Sicherheitsstandards, damit Wettbewerbsdruck die sichere Entwicklung von KI nicht untergräbt.
- Frontier AI regulation: Managing emerging risks to public safety
Der vorliegende Quelltext ist ein Auszug, der Regulierungsvorschläge für leistungsfähige KI-Modelle skizziert, darunter Sicherheitsprüfungen, Berichtspflichten und staatliche Aufsicht.
- OpenAI o1 System Card
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.
- GPT-2: 6-month follow-up
OpenAI veröffentlichte GPT‑2 mit 774 Millionen Parametern, während es Risiken, Erkennung und weitere Freigaben mit Forschungspartnern untersuchte und die Veröffentlichung des größeren Modells noch offenließ.
- Scaling laws for neural language models
Der vorliegende Auszug beschränkt sich auf das Abstract, das Skalierungsgesetze für Sprachmodelle beschreibt und sehr große, vor der Konvergenz gestoppte Modelle als rechenoptimale Trainingsstrategie behauptet.
- Accelerating life sciences research
Laut OpenAI und Retro Biosciences verbesserten KI-entworfene Proteine in Laborversuchen die Zellreprogrammierung und DNA-Schadensmarker, doch klinische Wirksamkeit ist damit nicht belegt.
- Frontier Model Forum
Vier KI-Unternehmen kündigen ein Forum für Sicherheitsforschung, Standards und Informationsaustausch zu Frontier-Modellen an; die Quelle beschreibt Vorhaben, nicht deren Umsetzung oder Wirkung.
- Frontier Model Forum updates
Das Frontier Model Forum kündigt eine neue Leitung, einen mit über zehn Millionen US-Dollar ausgestatteten Sicherheitsfonds und weitere technische Zusammenarbeit an.
- OpenAI and Microsoft
OpenAI kündigt eine Azure-Partnerschaft für größere KI-Experimente und offene Veröffentlichungen an; konkrete Ergebnisse werden im Bericht noch nicht belegt.
- Microsoft invests in and partners with OpenAI to support us building beneficial AGI
OpenAI beschreibt Microsofts Investition und Azure-Partnerschaft als Unterstützung für die Entwicklung sicherer AGI mit breit verteiltem Nutzen – ein Ziel, dessen Erreichung der Bericht nicht belegt.
- Generative models
Der Forschungsüberblick von 2016 stellt generative Modelle und fünf Anwendungen vor und berichtet über damalige Fortschritte, während weitergehendes Weltverständnis ausdrücklich eine Zukunftshoffnung bleibt.
- OpenAI and Microsoft extend partnership
OpenAI berichtet von einer erweiterten Microsoft-Partnerschaft mit Milliardeninvestition, exklusiver Azure-Nutzung und gemeinsamer Arbeit an Bereitstellung und Sicherheit; die Mitteilung bleibt OpenAIs eigene Darstellung.
- OpenAI to acquire Neptune
OpenAI kündigt eine vereinbarte Übernahme von Neptune.ai an und erwartet, dessen Werkzeuge für mehr Einblick in das Modelltraining zu nutzen.
- Building the compute infrastructure for the Intelligence Age
OpenAI zufolge wächst Stargate schneller als geplant und soll KI-Infrastruktur samt lokalen Vorteilen schaffen; der Bericht gibt dabei die Unternehmensdarstellung wieder, ohne sie unabhängig zu prüfen.
- OpenAI’s letter to Governor Newsom on harmonized regulation
OpenAI plädiert für einheitliche KI-Sicherheitsregeln in den USA und geringere doppelte Belastungen für Start-ups; der Bericht stellt die Position des Unternehmens dar, nicht eine unabhängige Prüfung.
- Preparing for future AI capabilities in biology
OpenAI stellt Schutzpläne gegen möglichen biologischen Missbrauch leistungsfähiger KI vor, weist aber auf unsichere Risikobewertungen hin und liefert keine unabhängige Wirksamkeitsprüfung.
- How we think about safety and alignment
OpenAI setzt laut Bericht auf schrittweise Erprobung, mehrschichtige Schutzmaßnahmen, menschliche Kontrolle und gemeinsame Verantwortung, räumt jedoch erhebliche Unsicherheit und offene Wirksamkeitsfragen ein.
- Monitoring Monitorability
Der bereitgestellte Auszug enthält nur Abstract und Metadaten: Laut Abstract ist die Überwachung von KI-Gedankengängen meist, aber nicht vollständig wirksam und kann durch zusätzliche Prüfungen und Rechenaufwand verbessert werden.
- Das Zeitfenster für KI-Richtlinien ist offen. Wir müssen handeln.
OpenAI drängt auf rasche KI-Sicherheitsregeln und erklärt, seine Schutzmaßnahmen mit den Fähigkeiten der Systeme weiterzuentwickeln.
- Sam Altmans Rede vor dem Sicherheitsrat der Vereinten Nationen
Altman wirbt in einer Rede für menschlich kontrollierte, demokratisch gestaltete KI und internationale Sicherheitsstandards; der Bericht gibt seine Positionen wieder, ohne sie unabhängig zu überprüfen.
- Three steps for businesses to make AI data and compute more sustainable
Der Beitrag empfiehlt, Datenflüsse und Speicherbestände zu reduzieren sowie den tatsächlichen KI-Bedarf zu prüfen, um den laut externen Quellen wachsenden Energie- und CO₂-Aufwand von KI zu begrenzen.
- Software 2.0
Karpathy zufolge verschiebt „Software 2.0“ Programmierarbeit von expliziten Anweisungen hin zu Daten und Training – mit großen Chancen, aber auch schwer durchschaubaren Risiken.
- https://github.com/google/trillian/blob/master/docs/papers/VerifiableDataStructures.pdf
Das Papier stellt drei transparente Datenstrukturen vor, mit denen sich Einträge und Werte prüfen lassen; vollständige Betriebsprüfungen können eine Vollprüfung durch Auditoren erfordern.
- I Took Google’s AI Course for Beginners. Here’s a Summary in Plain English
Andrade ordnet die Grundbegriffe rund um KI verständlich ein und merkt an, dass sein zusammengefasster Google-Kurs generative KI stärker behandelt als LLMs.
- Soon, We May No Longer Need Humans to Train AI Models
Der Artikel beschreibt AZR als vielversprechendes selbsttrainierendes KI-Verfahren mit berichteten Leistungsgewinnen, aber auch Sicherheitsbedenken und offenen Grenzen.
- Has DeepSeek Burst the AI Bubble or Just Raised the Stakes?
Der Autor sieht DeepSeek als Wettbewerbsschub für KI statt als Zeichen einer platzenden Blase, wobei seine Kostenangaben und Prognosen im Text nicht unabhängig untersucht werden.
- The Pivotal Role of Nvidia in The Future of AI
Der Beitrag beschreibt NVIDIA als Schlüsselanbieter der KI-Infrastruktur und verbindet Blackwell und Robotikprojekte mit möglichen künftigen Fortschritten, ohne diese Prognosen selbst zu überprüfen.
- The Most Useful AI of 2026 Isn’t a Chatbot. It Runs on One Graphics Card.
Der unvollständige Auszug berichtet als Behauptung des Autors, ein kleines Modell habe bislang übersehene Objekte in Hubble-Daten gefunden und könne den Nutzen spezialisierter KI zeigen, bietet aber keine Angaben zur Überprüfung der Ergebnisse.
- Claude Has a Hidden “Thinking Space” It Built by Itself. Anthropic Just Learned to Read It.
Der nur auszugsweise vorliegende Artikel behauptet, Claude habe einen spontan entstandenen internen „J-space“; Details zur Studie fehlen wegen der Bezahlschranke.
- SpaceX Just Started Renting Its GPUs to Google and Anthropic. I’ve Watched This Exact Move Before, on AWS.
Der Autor vermutet, dass vermietete SpaceX-GPUs auf einen möglichen KI-Hardwareüberhang hindeuten, doch der Bericht belegt keinen branchenweiten Überschuss.
- Kubeflow Pipelines With GPUs
Der Beitrag stellt eine Kubeflow-Pipeline für GPU-gestütztes ResNet-50-Training und Modellbereitstellung vor und beschreibt mögliche Vorteile, ohne konkrete Leistungsdaten vorzulegen.
- Ornith-1.5: A 9B Open-Source Model Built to Improve Itself
Der Artikel beschreibt Ornith-1.5 als lokal nutzbare offene Modellfamilie mit selbstverbesserndem Trainingsansatz und starken, im Bericht nicht unabhängig bestätigten Benchmarkangaben.
- Start Fine-Tuning Open-Source Models. They Could Turn Into a $50K Career
Der Artikel empfiehlt, Fine-Tuning kleiner offener Modelle durch praktische Projekte zu lernen, während seine Karriere- und Kostenversprechen sowie nicht näher dokumentierten Benchmarkwerte als Angaben des Autors zu verstehen sind.
- Fine-Tuning LLMs on NVIDIA DGX Spark with Unsloth
Ein persönlicher Bericht erklärt lokales Fine-Tuning und RL mit Unsloth auf dem DGX Spark und meldet Erfolge bei 2048, liefert aber zu wenig Testdetails für eine unabhängige Überprüfung.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →