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-T2

Woran erkennen andere, dass ein Labor wirklich bremst?

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

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. San Diego Alignment Workshop 2025 farai · 2026 · Q001716 · Hintergrund, keine Belege · ohne Zusammenfassung
  2. Post by @METR_Evals on X x.com · 2026 · Q001722 · Hintergrund, keine Belege · ohne Zusammenfassung
  3. Biosecurity and AI: Risks and Opportunities cais · Q001728 · Hintergrund, keine Belege

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

  4. Managing Advanced Cyber Risks in Frontier AI Frameworks fmf · 2026 · Q001749 · Hintergrund, keine Belege · ohne Zusammenfassung
  5. Measuring LLMs’ ability to develop exploits anthropic · 2026 · Q001815 · Hintergrund, keine Belege · ohne Zusammenfassung
  6. Concordia AI 2025 Impact Highlights aisafetychina · 2026 · Q001837 · Hintergrund, keine Belege

    Concordia AI berichtet von umfangreicher internationaler und China-bezogener Arbeit zur KI-Sicherheit im Jahr 2025, legt im Tätigkeitsbericht aber keine unabhängige Prüfung der Angaben oder messbare Belege für eine Risikominderung vor.

  7. OpenAI public policy agenda openai · 2026 · Q001844 · Hintergrund, keine Belege

    OpenAI skizziert eigene, veränderliche politische Vorschläge für sichere und breit zugängliche KI, ohne deren Wirkung unabhängig zu belegen.

  8. Frontier AI Frameworks Workstream fmf · 2025 · Q001981 · Hintergrund, keine Belege · ohne Zusammenfassung
  9. A simpler AI timelines model predicts 99% AI R&D automation in ~2032 metr · 2026 · Q002019 · Hintergrund, keine Belege

    METRs vereinfachte Simulation legt unter unsicheren Annahmen mehr als 99 Prozent Automatisierung der KI-Forschung um 2032 nahe, bildet aber weder die spätere Beschleunigung bis zur Superintelligenz noch wirtschaftliche Rückkopplungen ab.

  10. Frontier AI safety regulations: A reference for lab staff metr · 2026 · Q002028 · Hintergrund, keine Belege

    METR vergleicht Sicherheits- und Meldepflichten für leistungsfähige KI-Modelle in den USA und der EU und betont, dass die Übersicht weder die unterschiedlichen Regeln vollständig ersetzt noch eine Prüfung tatsächlicher Modellsicherheit durch das Illinois-Audit beschreibt.

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

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

  12. 人工智能控制:如何利用违规人工智能体 cset · 2025 · Q002124 · Hintergrund, keine Belege

    KI-Kontrolle soll gefährliche Handlungen autonomer Agenten begrenzen, doch ihre Wirksamkeit bei sehr leistungsfähigen Systemen sowie Kosten und Prüfaufwand bleiben laut Bericht offen.

  13. Strengthening our safety ecosystem with external testing openai · 2025 · Q002137 · Hintergrund, keine Belege

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

  14. From “black box AI” to operational AI transparency: How the HAIP Reporting Framework can play an important role in global AI governance oecd · 2025 · Q002204 · Hintergrund, keine Belege

    Der Beitrag sieht HAIP als ausbaufähigen freiwilligen Rahmen für vergleichbare KI-Transparenz, dessen Nutzen bislang vor allem als Potenzial beschrieben wird.

  15. Forecasting the Impacts of AI R&D Acceleration: Results of a Pilot Study metr · 2025 · Q002270 · Hintergrund, keine Belege

    Eine kleine Pilotbefragung sieht eine starke KI-Beschleunigung als möglich, zeigt aber große Uneinigkeit über gesellschaftliche Folgen; ihre subjektiven, nicht repräsentativen Ergebnisse sind ausdrücklich nur vorläufig.

  16. G7 AI transparency reporting: Ten insights for AI governance and risk management oecd · 2025 · Q002277 · Hintergrund, keine Belege

    20 freiwillige HAIP-Berichte zeigen laut OECD vielfältige Ansätze für KI-Risikomanagement und Transparenz, zugleich bleiben Vergleichbarkeit und technische Herkunftsnachweise begrenzt.

  17. Preliminary Taxonomy of AI-Bio Misuse Mitigations fmf · 2025 · Q002291 · Hintergrund, keine Belege · ohne Zusammenfassung
  18. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity metr · 2025 · Q002359 · Hintergrund, keine Belege

    METR berichtet für eine Studie von Anfang 2025, dass erfahrene Open-Source-Entwickler mit KI bei ihren Aufgaben im Schnitt 19 Prozent länger brauchten, betont aber die begrenzte Übertragbarkeit und erklärt die Ergebnisse inzwischen für überholt.

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

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

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

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

  21. Details about METR's preliminary evaluation of DeepSeek and Qwen models metr · 2025 · Q002375 · Hintergrund, keine Belege

    METR sieht DeepSeek-Modelle aus Mitte 2025 vorläufig auf dem Niveau führender Modelle von Ende 2024, betont aber deutliche Grenzen des Testaufbaus.

  22. Our First Year | AISI Work aisi · 2024 · Q002407 · Hintergrund, keine Belege

    AISI schildert den Aufbau von KI-Sicherheitsprüfungen, internationaler Zusammenarbeit und Forschungsförderung, betont aber, dass seine Tests keine Sicherheitszertifikate darstellen und nur begrenzt öffentlich ausgewertet werden können.

  23. OpenAI Board Forms Safety and Security Committee openai · 2024 · Q002430 · Hintergrund, keine Belege

    OpenAI setzt laut Bericht einen Ausschuss zur Prüfung seiner Sicherheitsmaßnahmen ein, doch Ergebnisse und Empfehlungen liegen darin noch nicht vor.

  24. Understanding AI Trajectories: Mapping the Limitations of Current AI Systems aisi · 2025 · Q002587 · Hintergrund, keine Belege

    Der vorliegende Auszug sagt, dass KI-Systemen im September 2025 noch wesentliche Fähigkeiten fehlten und die künftigen Fortschrittswege ungewiss seien; die angekündigten acht Indikatoren sind darin nicht enthalten.

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

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

  26. Evaluating frontier AI R&D capabilities of language model agents against human experts metr · 2024 · Q002702 · Hintergrund, keine Belege

    Laut METR sind KI-Agenten bei kurzen RE-Bench-Aufgaben schnell und konkurrenzfähig, doch bei längeren Budgets übertreffen Menschen sie deutlich, und die sieben klar strukturierten Aufgaben bilden reale ML-Forschung nur begrenzt ab.

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

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

  28. Details about METR's preliminary evaluation of Claude 3.5 Sonnet metr · 2024 · Q002753 · Hintergrund, keine Belege

    METR berichtet über beachtliche, aber begrenzte Leistungen der ursprünglichen Claude-3.5-Sonnet-Version; wegen methodischer und aufgabenbezogener Einschränkungen sind die Ergebnisse vorläufig.

  29. New Support Through The Audacious Project metr · 2024 · Q002771 · Hintergrund, keine Belege

    METR will mit rund 17 Millionen US-Dollar aus der Förderung von Canary Tests zu autonomen Fähigkeiten fortgeschrittener KI-Systeme entwickeln und einsetzen; Ergebnisse der neuen Arbeit nennt der Beitrag noch nicht.

  30. Comment on NTIA AI Accountability Policy openai · 2023 · Q002810 · Hintergrund, keine Belege

    OpenAI beschreibt seine KI-Sicherheitspraktiken und befürwortet abgestimmte Regeln sowie mögliche Registrierung und Zulassung besonders leistungsfähiger Modelle, während wichtige Umsetzungsfragen offenbleiben.

  31. Autonomy Evaluation Resources metr · 2024 · Q002887 · Hintergrund, keine Belege

    METR veröffentlicht ein vorläufiges Evaluationspaket für autonome KI-Fähigkeiten, dessen Nutzen und Messwerte wegen kleiner, nur lose an Bedrohungsszenarien gebundener Aufgabenbestände und weiterer Unsicherheiten begrenzt sind.

  32. 2023 Year In Review metr · 2024 · Q002947 · Hintergrund, keine Belege

    METR berichtet für 2023 über neue Tests für autonome KI-Agenten, einen Sicherheitsrahmen für den Umgang mit Gefahrenhinweisen und eine Kooperation mit dem britischen AI Safety Institute; konkrete Wirksamkeitsnachweise fehlen im Rückblick.

  33. New report: Evaluating Language-Model Agents on Realistic Autonomous Tasks metr · 2023 · Q003017 · Hintergrund, keine Belege

    Laut ARC Evals bewältigten die getesteten Claude- und GPT-4-Agenten nur die einfachsten von zwölf ARA-Aufgaben, doch Fine-Tuning und bessere Agenten könnten die Fähigkeiten verändern; konkrete Ergebniszahlen sind im Text nicht enthalten.

  34. Update on ARC's recent eval efforts metr · 2023 · Q003047 · Hintergrund, keine Belege

    Die getesteten Modelle scheiterten laut ARC an autonomer Selbstreplikation, zeigten aber relevante Teilfähigkeiten – weshalb der Bericht systematische Prüfungen künftiger Modelle fordert und zugleich seine vorläufige, eingeschränkt nachvollziehbare Versuchsanordnung betont.

  35. Expanding access to safer AI with Amazon anthropic · 2023 · Q003148 · Hintergrund, keine Belege

    Anthropic kündigt eine milliardenschwere Amazon-Partnerschaft für Cloud-Infrastruktur und Claude an und beschreibt Sicherheitszusagen sowie Kundenerfolge, die im Bericht nicht unabhängig überprüft werden.

  36. Introducing Anthropic's Transparency Hub anthropic · 2025 · Q003175 · Hintergrund, keine Belege

    Anthropic kündigt einen Hub mit Informationen zu KI-Sicherheit und Transparenz an; konkrete Kennzahlen oder eine unabhängige Bewertung enthält der Artikel nicht.

  37. Claude Fable 5 and Claude Mythos 5 anthropic · 2026 · Q003537 · Hintergrund, keine Belege

    Anthropic kündigt Fable 5 und den eingeschränkt verfügbaren Mythos 5 an, doch der Bericht lässt den aktuellen Zugangsstatus widersprüchlich und stützt Leistungs- und Sicherheitsangaben überwiegend auf Unternehmensangaben.

  38. 2028: Two scenarios for global AI leadership anthropic · 2026 · Q003588 · Hintergrund, keine Belege

    Anthropic warnt in zwei hypothetischen Szenarien vor einem möglichen Verlust des US-Vorsprungs bei KI und empfiehlt strengere Kontrollen, Schutz vor Modell-Destillierung und den Export amerikanischer KI.

  39. AI capabilities can be significantly improved without expensive retraining epoch · 2023 · Q003689 · Hintergrund, keine Belege

    Laut Bericht können nachträgliche Modellverbesserungen bei relevanten Benchmarks große, geschätzte Leistungsgewinne bringen, weshalb Sicherheitsregeln auch künftige Zuwächse und breiteren Zugang zu diesen Verfahren berücksichtigen sollten.

  40. Biological sequence models in the context of the AI directives epoch · 2024 · Q003784 · Hintergrund, keine Belege

    Der Bericht sieht stark wachsende Rechen- und Datenbestände bei biologischen Sequenzmodellen und diskutiert eine mögliche, rechtlich nicht abschließend geklärte Lücke bei Modellen, die zwar viele biologische Daten nutzen, aber nicht überwiegend damit trainiert werden.

  41. Can AI scaling continue through 2030? epoch · 2024 · Q003854 · Hintergrund, keine Belege

    Laut Epoch AI könnten KI-Trainingsläufe bis 2030 technisch etwa 2 × 10²⁹ FLOP erreichen, wobei vor allem Stromversorgung, Chipproduktion und die dafür nötigen Investitionen unsicher bleiben.

  42. Skating to Where the Puck Is Going cset · 2023 · Q004012 · Hintergrund, keine Belege

    Der Auszug plädiert dafür, die wachsenden KI-Risiken durch Prüfungen, stärkere staatliche Fachaufsicht und gezielte Anreize für die Industrie zu bewältigen.

  43. Anthropic to sign the EU Code of Practice anthropic · 2025 · Q004473 · Hintergrund, keine Belege

    Anthropic will den EU-KI-Kodex unterzeichnen und verbindet damit die Hoffnung auf transparente, flexible Sicherheitsregeln, die zugleich Innovation ermöglichen.

  44. 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.

  45. Measuring AI Development cset · 2021 · Q004768 · Hintergrund, keine Belege

    Der vorliegende Auszug skizziert einen Ansatz, der Publikationsanalysen, Fachwissen und Benchmarks zur fortlaufenden Beobachtung von KI-Entwicklungen verbinden soll, nennt aber keine Ergebnisse der Fallbeispiele.

  46. 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.

  47. NY State Senate Bill 2025-S10731 fragen-funde · Q004986 · Hintergrund, keine Belege · ohne Zusammenfassung
  48. Will parallelization limits delay an intelligence explosion? epoch · 2026 · Q005100 · Hintergrund, keine Belege

    Ob automatisierte KI-Forschung eine Intelligenzexplosion auslöst und wie schnell, hängt laut Bericht auch davon ab, ob die Koordination paralleler Forschung mit der Zahl der KI-Forschenden Schritt hält.

  49. 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.

  50. Trading off compute in training and inference epoch · 2023 · Q005426 · Hintergrund, keine Belege

    Epoch AI zufolge lässt sich bei manchen KI-Aufgaben Trainings- und Inference-Aufwand gegeneinander tauschen, doch die Größenordnung der Vorteile hängt von Technik und Aufgabe ab und bleibt teils unsicher.

  51. Trends in AI supercomputers epoch · 2025 · Q005484 · Hintergrund, keine Belege

    Laut Epoch AI wachsen Leistung, Kosten und Strombedarf von KI-Supercomputern rasant, doch die Aussagen beruhen auf einem lückenhaften Datensatz, der schätzungsweise nur 10 bis 20 Prozent der globalen Rechenleistung erfasst.

  52. Trends in the dollar training cost of machine learning systems epoch · 2023 · Q005540 · Hintergrund, keine Belege

    Der Bericht schätzt ein historisches Wachstum der Kosten abschließender ML-Trainingsläufe, betont aber große Unsicherheit und den engen Umfang der erfassten Kosten; die Anhänge liegen nur als Überschriften vor.

  53. Reflections on safety: General-purpose AI developers can learn from the Challenger disaster oecd · 2024 · Q005633 · Hintergrund, keine Belege

    Der Bericht warnt anhand der Challenger-Katastrophe, dass KI-Entwicklung ohne ausreichendes Verständnis, gründliche Risikoprüfung und eine starke Sicherheitskultur gefährlich sein kann.

  54. AI capabilities progress has sped up epoch · 2025 · Q005743 · Hintergrund, keine Belege

    Der überholte Bericht meldet beschleunigte ECI- und METR-Benchmarkfortschritte, ohne eine Ursache dafür zu belegen.

  55. Global AI computing capacity is doubling every 7 months epoch · 2026 · Q005761 · Hintergrund, keine Belege

    Epoch AI zufolge verdoppelt sich die globale KI-Chip-Rechenleistung seit 2022 etwa alle sieben Monate, doch die Schätzung beruht auf uneinheitlichen und teils unvollständigen Daten.

  56. Training compute has scaled up faster for language than vision epoch · 2024 · Q005964 · Hintergrund, keine Belege

    Der Bericht behauptet, dass der Trainingsrechenaufwand für Sprache seit 2020 schneller gewachsen ist als für eigenständige Bildmodelle, weist aber die Vergleichsmethode und Unsicherheit der aufgeführten Werte nicht ausführlich aus.

  57. The training compute of notable AI models has been doubling roughly every six months epoch · 2024 · Q005970 · Hintergrund, keine Belege

    Der Bericht behauptet, dass der Trainingsrechenaufwand bemerkenswerter KI-Modelle seit 2010 etwa alle sechs Monate gestiegen ist, weist im überlieferten Text aber widersprüchliche Stichprobenzahlen und Datumsangaben auf.

  58. 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.

  59. Today’s largest data center can do more than 20 GPT-4-scale training runs each month epoch · 2025 · Q006118 · Hintergrund, keine Belege

    Epoch AI schätzt die monatliche Kapazität für GPT-4-große Trainingsläufe auf rund 23 bei Fairwater Atlanta und prognostiziert mehr als 225 bei Fairwater Wisconsin bis Ende 2027.

  60. 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.

  61. Epoch’s Capabilities Index stitches together benchmarks across a wide range of difficulties epoch · 2025 · Q006187 · Hintergrund, keine Belege

    Epoch stellt den ECI als benchmarkübergreifende Vergleichsskala vor, erläutert im bereitgestellten Text aber nicht, wie sie genau berechnet wird.

  62. 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.

  63. Artificial intelligence and the future of science oecd · 2021 · Q006263 · Hintergrund, keine Belege

    KI kann laut Bericht viele wissenschaftliche Arbeitsschritte unterstützen, doch ihre Grenzen und strukturelle Hindernisse bedeuten, dass politische und institutionelle Änderungen ebenfalls nötig sein könnten.

  64. Most of OpenAI’s 2024 compute went to experiments epoch · 2025 · Q006303 · Hintergrund, keine Belege

    Epoch AI zufolge floss der Großteil von OpenAIs geschätzten 5 Milliarden Dollar F&E-Rechenkosten 2024 wahrscheinlich in Forschung, Experimente und unveröffentlichte Modelle statt in finale Trainingsläufe veröffentlichter Modelle.

  65. 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.

  66. Training compute growth is driven by larger clusters, longer training, and better hardware epoch · 2025 · Q006367 · Hintergrund, keine Belege

    Laut Epoch AI wächst das Trainings-Computing führender KI-Modelle vor allem durch mehr Hardware, längere Trainingsläufe und bessere Hardware, mit einem geschätzten medianen Jahresfaktor von 4,17.

  67. Chinese AI models have lagged the US frontier by 7 months on average since 2023 epoch · 2026 · Q006394 · Hintergrund, keine Belege

    Epoch AI berichtet von einem durchschnittlichen ECI-Rückstand chinesischer Modelle von sieben Monaten, doch die bereitgestellten Abschnittsnotizen lassen Bewertungsfelder und Teile der Datengrundlage offen.

  68. 9 big questions benchmarks can help answer epoch · 2026 · Q006407 · Hintergrund, keine Belege

    Der Beitrag entwirft neun offene Fragen zu wirtschaftlich wichtigen KI-Fähigkeiten und erklärt, wie Benchmarks sie untersuchen könnten, ohne sie bislang abschließend zu beantworten.

  69. Final training runs account for a minority of R&D compute spending epoch · 2026 · Q006789 · Hintergrund, keine Belege

    Der Beitrag schätzt, dass abschließende Trainingsläufe bei drei untersuchten KI-Unternehmen nur einen Minderheitsanteil der F&E-Rechenausgaben ausmachen, wobei Datenlage und Vergleichbarkeit begrenzt sind.

  70. 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.

  71. Why benchmarking is hard epoch · 2025 · Q006907 · Hintergrund, keine Belege

    Laut den Autoren können sich Unterschiede bei Benchmark-Setup, Modellzugang und Bereitstellung summieren und KI-Benchmarkwerte deutlich beeinflussen.

  72. Introducing GPT-5.5 openai · 2026 · Q007022 · Hintergrund, keine Belege

    OpenAI stellt GPT‑5.5 als leistungsfähigeres und effizienteres Modell für anspruchsvolle Computer- und Forschungsaufgaben vor, doch die Belege beruhen teils auf internen oder ausgewählten Tests und der Text enthält widersprüchliche Angaben zur API-Verfügbarkeit.

  73. 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.

  74. 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.

  75. OpenAI at the Paris AI Action Summit openai · 2025 · Q008974 · Hintergrund, keine Belege

    OpenAI stellt vor dem Pariser KI-Gipfel eigene Beispiele zur KI-Nutzung, Sicherheitsmaßnahmen und geplante Vorhaben für Europa vor, ohne deren Wirkung unabhängig zu belegen.

  76. https://arxiv.org/pdf/2410.07095 openai · Q009434 · Hintergrund, keine Belege

    MLE-bench zeigt, dass die getesteten KI-Agenten bei Kaggle-ähnlichen ML-Aufgaben noch oft scheitern: o1-preview mit AIDE erreichte bei 16,9 Prozent der Wettbewerbe eine Medaille, wobei Aussagekraft und Übertragbarkeit des Benchmarks begrenzt sind.

  77. OpenAI o1 System Card openai · Q009438 · Hintergrund, keine Belege

    OpenAI zufolge verbessert o1 viele Sicherheitsmesswerte, birgt aber in bestimmten Bereichen mittlere Risiken, und die Tests erfassen mögliche Gefahren nur begrenzt.

  78. gpt-oss-120b & gpt-oss-20b Model Card openai · Q009461 · Hintergrund, keine Belege

    Die Model Card berichtet über leistungsfähige offene Schlussfolgerungsmodelle mit benannten Sicherheitsgrenzen und kommt anhand der beschriebenen Tests zu dem Schluss, dass sie interne Schwellen für hohe Fähigkeiten in drei Risikobereichen nicht erreichen.

  79. Unser Rahmen für Berichte über Modell-Fehlausrichtung openai · Q009536 · Hintergrund, keine Belege

    OpenAI veröffentlicht einen vorläufigen Offenlegungsrahmen und sechs Einzelfälle von Modell-Fehlausrichtung, die laut Unternehmen weder deren Häufigkeit noch das gesamte bekannte Spektrum abbilden.

  80. The Incident Report Is Becoming a Building Block of AI Governance techpolicy.press · 2026 · Q000001 · Hintergrund, keine Belege · ohne Zusammenfassung
  81. OpenAI and Anthropic Tell British Lawmakers: Regulate Us fragen-funde · 2026 · Q000025 · Hintergrund, keine Belege · ohne Zusammenfassung
  82. AI Hacks Leave a Mess That AI Companies Aren’t Paying For fragen-funde · 2026 · Q000034 · Hintergrund, keine Belege · ohne Zusammenfassung
  83. CAISI’s Assessment of Z.ai’s GLM-5.3 Cyber Capabilities nist · 2026 · Q000047 · Hintergrund, keine Belege · ohne Zusammenfassung
  84. Why Anthropic’s draft bill sets $1 billion threshold for AI risk fragen-funde · 2026 · Q000050 · Hintergrund, keine Belege · ohne Zusammenfassung
  85. Booz Allen Cyber Weapon Index fragen-funde · 2026 · Q000058 · Hintergrund, keine Belege · ohne Zusammenfassung
  86. Minimum Conditions for Embedding Evaluators fragen-funde · 2026 · Q000062 · Hintergrund, keine Belege

    Ein offener Brief fordert unabhängige, transparente und geschützte externe Bewertungen von KI-Unternehmen und ihren Systemen als Ergänzung zu umfassenderer Aufsicht.

  87. 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.

  88. GPT-6 Sol and GPT-6 Luna: October 2026 update openai · 2026 · Q000082 · Hintergrund, keine Belege

    Der Bericht meldet insgesamt Fortschritte bei GPT‑6 Sol und Luna, aber auch Rückschritte in einzelnen Sicherheitsprüfungen und betont, dass die schwierigen Tests nicht den normalen Produktbetrieb abbilden.

  89. Artificial Intelligence Safety Collaboration and Antitrust Law fragen-funde · 2026 · Q000087 · Hintergrund, keine Belege · ohne Zusammenfassung
  90. Halt super-intelligent AI with non-proliferation treaty, Ed Davey to say fragen-funde · 2026 · Q000088 · Hintergrund, keine Belege · ohne Zusammenfassung
  91. EU antitrust chief would consider request from AI firms to coordinate on safety fragen-funde · 2026 · Q000090 · Hintergrund, keine Belege · ohne Zusammenfassung
  92. AI Safety Collaboration and Antitrust: Lessons from Recent Enforcer Statements and Cybersecurity Information Sharing fragen-funde · 2026 · Q000091 · Hintergrund, keine Belege · ohne Zusammenfassung
  93. AI's coming roadblock in regulation: Antitrust hawks fragen-funde · 2026 · Q000093 · Hintergrund, keine Belege · ohne Zusammenfassung
  94. 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.

  95. 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.

  96. Gemini 4 Carbon: our next frontier model fragen-funde · 2026 · Q000108 · Hintergrund, keine Belege

    Google kündigt Gemini 4 Carbon mit starken, vom Unternehmen berichteten Programmier- und Cybersecurity-Ergebnissen an; zunächst soll es ausgewählte Fachleute erreichen.

  97. Bernie Sanders and Steve Bannon call for curbs on AI fragen-funde · 2026 · Q000115 · Hintergrund, keine Belege · ohne Zusammenfassung
  98. How Black-Box Distillation Works cset · 2026 · Q000127 · Hintergrund, keine Belege

    Black-Box-Destillation kann Fähigkeiten über Modellantworten übertragen; laut Beitrag gibt es Vorwürfe umfangreicher Kampagnen, doch deren tatsächliche Nutzung und Nutzen sind öffentlich nicht geklärt.

  99. GTIG AI Threat Tracker: From Prompting to Autonomy – The Evolution of Adversarial AI fragen-funde · 2026 · Q000136 · Hintergrund, keine Belege

    Laut GTIG nutzen Angreifer KI zunehmend zur Automatisierung von Cyberangriffen, doch vollständig autonome Exploit-Pipelines und erfolgreiche interaktive Einflussbots wurden in den beschriebenen Beobachtungen nicht festgestellt.

  100. Post by @EmmieHine on X x-posts · 2026 · Q000141 · Hintergrund, keine Belege · ohne Zusammenfassung
Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →