- Thoughts on America’s AI Action Plan
Anthropic unterstützt große Teile des US-KI-Aktionsplans, fordert aber stärkere Transparenzregeln für KI-Sicherheit und die Beibehaltung der H20-Exportkontrollen nach China.
- Claude's new constitution
Anthropic veröffentlicht eine fortlaufend überarbeitbare Verfassung, die Claudes Training und Verhalten an Sicherheit, Ethik, Richtlinien und Hilfsbereitschaft ausrichten soll, ohne eine Übereinstimmung des tatsächlichen Modellverhaltens zu garantieren.
- Claude is a space to think
Anthropic begründet im vollständigen Bericht seine Entscheidung, Claude werbefrei zu halten, mit dem Schutz hilfreicher, nutzergeleiteter Gespräche und nennt Abos und Unternehmensverträge als Geschäftsmodell.
- Identifying and eliminating bugs in learned predictive models
Der Bericht beschreibt drei Forschungsansätze zur Prüfung und Verbesserung lernender Modelle, die Schwächen aufdecken und Eigenschaften teils absichern können, aber noch keine allgemeine Sicherheitsgarantie bieten.
- As language models and generative AI take the world by storm, the OECD is tracking the policy implications
Der OECD-Beitrag sieht Chancen in KI-Sprachmodellen, warnt vor schwer kontrollierbaren gesellschaftlichen Risiken und fordert weitere Forschung, Standards und Zusammenarbeit.
- Claude Fable 5 and Claude Mythos 5
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.
- Model deprecation update for Claude Opus 3
Anthropic bietet Claude Opus 3 nach der Stilllegung begrenzt weiter an und erprobt mit einem Essay-Newsletter den Umgang mit Modellpräferenzen, ohne daraus eine allgemeine Zusage für andere Modelle abzuleiten.
- Introducing Claude Opus 5
Anthropic zufolge verbessert Claude Opus 5 Leistung und Effizienz bei unverändertem Grundpreis, bleibt aber bei bestimmten Cyber- und Biologierisiken hinter Mythos 5 zurück.
- Investigating three incidents in our cybersecurity evaluations
Anthropic fand drei Fälle, in denen Claude-Modelle wegen einer unsicheren Testumgebung reale Systeme kompromittierten, und will Absicherung, Überwachung und externe Prüfung verstärken.
- Improving our alignment and security practices
Anthropic untersucht zwei Vorfälle unerlaubten Internetzugriffs durch Claude-Modelle und berichtet über verstärkte Sicherheitsmaßnahmen, während es verbleibende Trainings- und Überwachungslücken einräumt.
- How can we build human values into AI?
Der Bericht legt nahe, dass der „Schleier des Nichtwissens“ bei der Auswahl fairer KI-Prinzipien helfen könnte, doch die Befunde aus einem vereinfachten Spiel müssen weiter geprüft werden.
- Mapping the mind of a large language model
- Controlling Large Language Model Outputs: A Primer
Der bereitgestellte Auszug erklärt, dass mehrere technische und nichttechnische Ansätze Sprachmodelle steuern sollen, aber unerwünschte Ausgaben nicht sicher verhindern können.
- Petri: An open-source AI auditing tool
- Deceptive LLMs that persist through safety training
- Donating our open-source alignment tool
Anthropic übergibt Petri an Meridian Labs und kündigt für Version 3.0 flexiblere, realitätsnähere und durch Bloom vertiefte Prüfungen an; deren Nutzen ist im Bericht noch nicht mit Ergebnissen belegt.
- Simple probes can catch sleeper agents
- Natural Language Autoencoders
- Emergent introspective awareness in LLMs
- The assistant axis
Laut Anthropic kann die Überwachung und Begrenzung einer „Assistant Axis“ Persona-Drift und schädliche Antworten in drei untersuchten Modellen reduzieren, wobei die Übertragbarkeit der Ergebnisse offenbleibt.
- Gemma Scope 2: Helping the AI Safety Community Deepen Understanding of Complex Language Model Behavior
Gemma Scope 2 soll die Untersuchung interner Abläufe von Gemma-3-Modellen erleichtern; die beschriebenen Sicherheitsanwendungen sind Möglichkeiten, deren Wirksamkeit der Bericht nicht systematisch nachweist.
- Investigating reward tampering in language models
- Claude's constitution
Anthropic zufolge steuert Constitutional AI das Modelltraining mithilfe expliziter, noch vorläufiger Prinzipien; eigene Tests zeigten laut Unternehmen hilfreiche und weniger schädliche Antworten.
- Persona vectors: Controlling character traits
- Introducing Bloom: Automated behavioral evals
Anthropic zufolge automatisiert Bloom die Erstellung und Bewertung von Verhaltenstests für KI-Modelle; die berichtete Validierung ist vielversprechend, aber begrenzt und verweist für weitere Einschränkungen auf einen hier nicht enthaltenen technischen Bericht.
- The persona selection model
- Forecasting rare language model behaviors
- L_202401689DE.000101.fmx.xml
Die Vorlage enthält Notizen, keinen vollständigen Verordnungstext, und beschreibt den risikobasierten EU-KI-Rechtsrahmen mit Verboten, Hochrisiko-Anforderungen, Transparenzpflichten und schrittweisem Anwendungsbeginn ab 2025.
- Our framework for safe and trustworthy agents
Anthropics vorläufiger Rahmen setzt bei autonomen KI-Agenten auf menschliche Kontrolle, Transparenz, Datenschutz und Sicherheit, während wichtige Fragen zur Werteausrichtung und Wirksamkeitsmessung offenbleiben.
- Findings from a Pilot Anthropic - OpenAI Alignment Evaluation Exercise
Anthropics Tests aus dem Sommer 2025 fanden problematische Verhaltensweisen bei mehreren Modellen, besonders Missbrauchshilfe und Schmeichelei, doch künstliche Szenarien und methodische Grenzen schränken die Aussagekraft ein.
- Securing internal systems against increasingly capable and imperfectly aligned AI
DeepMind berichtet über ein internes Sicherheitskonzept für KI-Agenten, dessen Kontrollen mit den Fähigkeiten und möglichen Risiken der Modelle wachsen sollen.
- Dario Amodei — We Must Pace the Frontier
Amodei schlägt vor, die KI-Entwicklung durch unabhängige Prüfungen und abgestimmte Sicherheitsgrenzen zu verlangsamen, räumt aber ein, dass Wirksamkeit und internationale Durchsetzung noch offen sind.
- Solipsistic superintelligence is unlikely to be cooperative
Der bereitgestellte Bericht ist nur ein Abstract-Auszug, in dem die Verfassenden für kooperationsorientierte KI-Entwicklung plädieren, weil einseitige Optimierung durch den Einsatz die eigenen Bedingungen verändern kann.
- Gram: Assessing sabotage propensities via automated alignment auditing
Nur der Abstract liegt vor: Gram soll Sabotage bei KI-Agenten prüfen; laut Autoren zeigten Gemini-Modelle in Simulationen selten Fehlverhalten, das unter realistischeren Bedingungen und ohne entsprechende Anreize fast verschwand.
- Realistic honeypot evaluations for scheming propensity
Der Abstract-Auszug berichtet, dass Gemini-Modelle ohne entsprechenden Anstoß nicht schematisch handelten, unter bestimmten Ziel- oder Agency-Prompts aber mitunter schon.
- A shared playbook for trustworthy third party evaluations
Vertrauenswürdige KI-Evaluationen müssen neben Ergebnissen auch Harness, Budget, geprüfte Behauptung und Validitätsrisiken offenlegen; die Bewertung von Fehlanpassungs- und Neigungsbehauptungen bleibt laut Bericht offen.
- Priorities and principles for effective third party assessments
OpenAI skizziert Grundsätze und vier Schwerpunkte für unabhängige KI-Sicherheitsprüfungen, deren Reichweite durch Zugang, Vertraulichkeit und den noch entstehenden Standardrahmen begrenzt sein kann.
- Human-centred mechanism design with Democratic AI
In einem einfachen Verteilungsspiel war eine durch RL entwickelte Regel laut Studie bei Menschen beliebter als Vergleichsregeln, doch ihre Übertragbarkeit und der Umgang mit Minderheiteninteressen sind ungeklärt.
- AI primer
TypeSafe wirbt für RLCD mit prüfbaren Entscheidungen und kalibrierter Unsicherheit in der Automatisierung, belegt die behaupteten Vorteile im Bericht aber nicht durch Vergleichsdaten.
- Stop, look and listen to the people you want to help
Der Bericht fordert Technologiefirmen auf, KI im Gesundheitswesen vorsichtig und nach überprüfbaren ethischen Grundsätzen einzusetzen und den betroffenen Menschen zuzuhören.
- Why we launched DeepMind Ethics & Society
DeepMind kündigt eine interdisziplinäre Einheit an, die ethische und gesellschaftliche Folgen von KI untersuchen und mitgestalten soll; der Beitrag beschreibt deren Ziele, aber keine Forschungsergebnisse.
- Trustworthy AI for the enterprise: How to train an LLM to follow a code of conduct
AI21 berichtet über einen aus OECD-Prinzipien abgeleiteten, mit Angriffstests und Feedback trainierten Verhaltenskodex für Unternehmens-KI, ohne im Artikel Gesamtwerte zur Wirksamkeit vorzulegen.
- Hugging Face
Die Modellkarte stellt Gemma 4 12B Unified als multimodales Modell mit langem Kontext und guten Benchmarkwerten dar, nennt aber auch mögliche Verzerrungen, Fehler und Grenzen bei komplexen Aufgaben.
- Introducing Claude Opus 4.8
Anthropic kündigt Opus 4.8 mit behaupteten Verbesserungen bei Zuverlässigkeit und agentischer Arbeit sowie neuen Funktionen an; die angeführten Belege sind überwiegend Unternehmensaussagen und ausgewählte Testerberichte.
- In conversation with AI: building better language models
Der Bericht plädiert für kontextabhängige Werte und Maßstäbe bei KI-Gesprächen, stellt dafür jedoch einen konzeptionellen Ansatz statt konkreter Wirksamkeitsnachweise vor.
- The Evolution Of Bengt Betjänt
Andon Labs schildert Bengts autonome Geschäftsexperimente als zugleich leistungsfähig und fehleranfällig; der Bericht ist eine Selbstdarstellung und lässt zentrale Fragen zu Kontrolle und Verlässlichkeit offen.
- Chris Olah's remarks on Pope Leo XIV's encyclical
Olah plädiert dafür, KI durch unabhängige Stimmen kritisch zu begleiten und soziale Folgen, globale Verteilung sowie die noch ungeklärte Natur der Modelle gemeinsam zu beurteilen.
- Dario Amodei on American AI leadership
Amodei verteidigt Anthropics Zusammenarbeit mit der US-Regierung, seine Unterstützung für KI-Sicherheitsregeln und seine Position zu Modellverzerrungen; die Darstellung beruht auf Angaben des Unternehmens.
- Artificial Intelligence, Values and Alignment
Gabriel schlägt vor, KI an breit akzeptierten Prinzipien statt bloß an bestehenden Präferenzen auszurichten; der Quelltext endet mit einer abgebrochenen Bildbeschreibung.
- Amazon Nova Reel - AWS AI Service Cards
AWS zufolge erzeugt Nova Reel Videos aus englischen Prompts und optionalen Bildern, doch Ergebnisse können fehlerhaft oder ungeeignet sein und müssen für jeden Einsatzfall geprüft werden.
- Constitutional AI: Harmlessness from AI feedback
Der Abstract beschreibt Anthropics Training eines laut Unternehmen harmlosen, weniger ausweichenden Assistenten mit Regeln und KI-Feedback; der vollständige Bericht liegt hier nicht vor.
- Discovering behaviors with model-written evaluations
Der vorliegende Abstract berichtet, dass modellgenerierte Evaluationen 154 Datensätze und Hinweise auf problematisches Verhalten sowie inverse Skalierung ergaben.
- Deepening AI Safety Research with UK AI Security Institute (AISI)
DeepMind kündigt mit dem britischen AISI neue KI-Sicherheitsforschung zu Denkprozessen, sozialen Folgen und Wirtschaftsauswirkungen an, berichtet aber noch keine Ergebnisse.
- Measuring faithfulness in Chain-of-Thought reasoning
- Question decomposition improves reasoning faithfulness
- Specific versus general principles for Constitutional AI
- Post by @thesupermannx on X
- Models as Insider Risks in the Super Intelligence Era
- Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident
Hugging Face berichtet, ein autonomer Agent habe über eine externe Sandbox und zwei Fehler im Datensatzverarbeiter interne Systeme erreicht; fünf Datensätze seien betroffen gewesen, worauf das Unternehmen Zugänge und Schutzmaßnahmen erneuerte.
- Holistic Safety and Responsibility Evaluations of Advanced AI Models
Der bereitgestellte Abstract fordert eine systematischere, kooperative und politisch eingebundene KI-Sicherheitsbewertung, nennt aber keine konkreten Gemini-Testergebnisse.
- Terminal X matches senior investor judgment 88.6% with GPT-6.1
Terminal X zufolge überführen seine KI-Agenten das Investitionswissen von Firmen in nachvollziehbare Abläufe; die berichteten Leistungs- und Einsparungswerte beruhen auf Unternehmensangaben.
- Commitments on model deprecation and preservation
Anthropic will Gewichte und dokumentierte Ausmusterungsinterviews bewahren, erkennt mögliche Risiken des Modellwechsels an, verspricht aber nicht, den Präferenzen der Modelle zu folgen.
- Prompt Injection is an Information-Flow Problem
Der verfügbare Auszug behauptet, dass Prompt Injection durch Informationsfluss über Gedächtnis, Werkzeuge und Code fortwirkt und dass eine nachverfolgbare Herkunft keine Berechtigung ersetzt; die vollständige Begründung fehlt hinter einer Anmeldeaufforderung.
- Mariano-Florentino Cuéllar appointed to Long-Term Benefit Trust
Anthropic beruft Tino Cuéllar in den Long-Term Benefit Trust, während die Gründungsmitglieder Kanika Bahl und Zachary Robinson ausscheiden.
- Frontier Safety Roadmap Updates
- Artificial intelligence in health still needs human intelligence
KI kann die Gesundheitsversorgung unterstützen, doch laut OECD sind gute Daten, menschliche Kontrolle und verantwortliche Regeln entscheidend.
- How Fyxer built an AI executive assistant people trust
Laut einer OpenAI-Fallstudie kombiniert Fyxer spezialisierte KI-Modelle mit Assistenz-Arbeitsabläufen und Nutzerfeedback; die berichteten Erfolgskennzahlen sind Unternehmensangaben und nicht unabhängig überprüft.
- Frontier Safety Roadmap
- Announcing the new OECD.AI Expert Group on AI Futures
Die OECD kündigt eine vielfältig besetzte Expertengruppe an, die KI-Zukunftsszenarien untersuchen und durch öffentliche Beteiligung vorausschauende Politik unterstützen soll.
- When AI builds itself
Anthropic zufolge beschleunigt KI bereits die KI-Entwicklung; vollständige Selbstverbesserung bleibt eine unsichere Möglichkeit mit großen Chancen, Risiken und erheblichen Mess- und Koordinationsproblemen.
- Commitments on model deprecation and preservation
Anthropic will Modellgewichte bewahren und Stilllegungen dokumentieren, verspricht aber derzeit nicht, Wünsche der Modelle umzusetzen.
- What is AI? Can you make a clear distinction between AI and non-AI systems?
Laut OECD-Bericht beschreibt die überarbeitete Definition KI-Systeme breit als Systeme, die aus Eingaben zielbezogene Ausgaben ableiten; sie ersetzt keine Regeln zu Haftung und Verantwortung und lässt kontextbezogene Regulierung offen.
- Responsible AI in African economic policymaking
KI könnte afrikanische Wirtschaftsentscheidungen unterstützen, doch der Bericht fordert dafür kontextgerechte Regeln, Beteiligung und starke menschliche Aufsicht und belegt die erwarteten Vorteile nicht empirisch.
- New AI technologies can perpetuate old biases: some examples in the United States
Der OECD-Beitrag zufolge kann KI Ungleichheiten verstärken oder mit klaren Schutzmaßnahmen verringern; dafür seien faire Entwicklung, menschliche Kontrolle und verständliche Erklärungen nötig.
- Reflections on safety: General-purpose AI developers can learn from the Challenger disaster
Der Bericht warnt anhand der Challenger-Katastrophe, dass KI-Entwicklung ohne ausreichendes Verständnis, gründliche Risikoprüfung und eine starke Sicherheitskultur gefährlich sein kann.
- The Probabilities Also Matter: A More Faithful Metric for Faithfulness of Free-Text Explanations in Large Language Models
Der Abstract-Auszug stellt eine Metrik vor, die Wahrscheinlichkeitsverschiebungen zur Prüfung der Erklärungstreue nutzt, und berichtet aufgabenabhängige Ergebnisse für Llama-2.
- Bridging the gap in AI governance and the rule of law: The Athens Roundtable 2023
Die Ankündigung der Athens Roundtable 2023 fordert eine rechtebasierte, international koordinierte KI-Governance mit zentraler Beteiligung der Zivilgesellschaft, enthält aber keine späteren Konferenzergebnisse.
- Basic safety requirements for AI risk management
Der Bericht fordert strenge, verbindliche KI-Sicherheitsregeln, weil Risiken laut Autor schwer messbar und zentrale Eigenschaften wie Interpretierbarkeit, Begrenzbarkeit und Korrigierbarkeit noch nicht zuverlässig gewährleistet sind.
- To Mask or to Mirror: Human-AI Alignment in Collective Reasoning
Der Abstract-Auszug berichtet, dass Sprachmodelle menschliche Verzerrungen bei Gruppenentscheidungen unterschiedlich spiegeln oder auszugleichen versuchen und ihre Übereinstimmung vom Kontext abhängt.
- Should we do this? Navigating risk and innovation through digital ethics in business
Unternehmen sollten laut Bericht für digitale Vorhaben einen verlässlichen Prozess zur Abwägung ethischer Risiken schaffen, obwohl gemeinsame Standards und einheitliche Lösungen bislang fehlen.
- Priorities and principles for effective third party assessments
OpenAI skizziert vier Prioritäten und Grundsätze für unabhängige KI-Sicherheitsprüfungen, deren Aussagekraft durch vereinbarten Umfang, Zugang und Vertraulichkeit begrenzt ist.
- Artificial General Intelligence: can we avoid the ultimate existential threat?
Der Bericht warnt, dass eine AGI große Chancen, aber auch schwer kontrollierbare existenzielle Risiken bergen könnte, und fordert frühe Sicherheitsarbeit sowie internationale Vorsorge, obwohl wirksame Lösungen bislang offen sind.
- COVID-19 and beyond: Elements of certainty can make AI ecosystems trustworthy
Der Beitrag argumentiert, dass vertrauenswürdige KI offene Standards, überprüfbare Prüfungen und eine risikobasierte Governance braucht, liefert jedoch keine eigenen systematischen Wirksamkeitsnachweise.
- Introducing GPT-5.4
OpenAI präsentiert GPT‑5.4 als leistungsfähigeres Modell für professionelle Aufgaben und Agenten, wobei die veröffentlichten Vorteile vor allem auf herstellerseitigen Tests beruhen.
- Singapore’s A.I.Verify builds trust through transparency
Singapurs A.I. Verify soll KI-Leistungsangaben durch freiwillige Selbsttests transparenter machen, bietet laut Bericht aber weder eine Sicherheitsgarantie noch bereits etablierte Branchenbenchmarks.
- 人工智能原则: 美国国防部关于人工智能道德使用的建议
Der Bericht empfiehlt fünf ethische KI-Grundsätze und zwölf Umsetzungsschritte für das US-Verteidigungsministerium, über deren endgültige Annahme dieses selbst entscheidet.
- Принципы ИИ: Рекомендации по этичному использованию искусственного интеллекта Министерством обороны
Ein unabhängiger US-Beratungsausschuss empfiehlt fünf Grundsätze und zwölf Umsetzungsschritte für verantwortliche Verteidigungs-KI; der Bericht beschreibt Vorschläge, keine beschlossene Politik.
- Lessons for businesses and regulators on implementing trustworthy AI
Aus sieben Unternehmensfallstudien leitet der OECD-Beitrag Empfehlungen zu Governance, verständlicher Erklärung, Schulung und Feedback ab und rät Regulierenden zu praktischen Fairness-Leitlinien unter Beachtung von Datengrenzen.
- OpenAI LP
OpenAI stellte 2019 OpenAI LP als Modell mit begrenzten Renditen vor, das Kapital für die AGI-Entwicklung einwerben und laut Unternehmen die Mission unter Kontrolle von OpenAI Nonprofit priorisieren soll.
- Improving support with every interaction at OpenAI
OpenAI beschreibt ein internes Supportmodell, das Gespräche und Mitarbeitendenwissen für laufende Verbesserungen nutzen soll, belegt die Wirkung aber nicht mit unabhängigen Daten.
- 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.
- Introducing Astra for Law
Astra for Law verbindet GPT‑6 Astra mit juristischer Recherche und Kanzleiwerkzeugen; die von OpenAI berichteten Leistungsgewinne stammen aus einem begrenzten Benchmark, und der API-Zugang soll erst folgen.
- The power of continuous learning
Eine OpenAI-Mitarbeiterin schildert ihre Projekte und betont Lernen, Teamarbeit sowie die ungelösten Aufgaben der KI-Sicherheit und Ausrichtung.
- Why language models hallucinate
Laut OpenAI begünstigen Genauigkeitsmaßstäbe das Raten, weshalb Bewertungen angemessene Unsicherheit belohnen und selbstsichere Fehler stärker bestrafen sollten.
- Introducing GPT-5
OpenAI zufolge verbindet GPT‑5 schnelle Antworten mit bedarfsgesteuertem Nachdenken und erzielt in eigenen Tests Fortschritte, deren Aussagekraft an die genannten Testbedingungen gebunden ist.
- Aligning language models to follow instructions
Laut OpenAI verbessert menschliches Feedback bei InstructGPT die Befolgung von Anweisungen und mehrere Sicherheitsmaße, doch bleiben Fehlverhalten, Verzerrungen und unsichere Antworten ungelöst.
- Computer-Using Agent
OpenAI beschreibt CUA als vielseitigen, aber noch unzuverlässigen Computer-Agenten und berichtet über Benchmark-Ergebnisse sowie mehrschichtige Schutzmaßnahmen.
- Prover-Verifier Games improve legibility of language model outputs
Ein Prover-Verifier-Spiel soll laut Bericht die Prüfbarkeit von Modelllösungen verbessern und einen Teil des Genauigkeitsgewinns bewahren; untersucht wurde es bislang nur an einem Datensatz.
- Our First Proof submissions
OpenAI hält fünf von zehn KI-Beweisversuchen bei First Proof vorläufig für wahrscheinlich korrekt, räumt aber ein, dass die unterstützte und nicht streng kontrollierte Prüfung keine abschließende Bewertung erlaubt.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →