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-V3

Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?

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

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. Assurance of Frontier AI Built for National Security apollo · Q001493 · einzelne zitierbare Belege

    Der Auszug fordert gestufte Täuschungs- und Kontrollprüfungen für Sicherheits-KI, enthält aber keine Ergebnisse und endet vor dem angekündigten Abschnitt „Our Findings“.

  2. Will it become harder to oversee AI systems? aisi · 2026 · Q001521 · einzelne zitierbare Belege

    Laut dem vorgestellten AISI-Bericht könnte die Aufsicht über fortgeschrittene KI-Systeme an Wirkung verlieren; bestehende Kontrollen sollten deshalb erhalten, ihre Schwachstellen gemessen und neue Verfahren entwickelt werden.

  3. Frontier AI Risk Trends Are Splitting Apart: Misuse Safeguards Improve while Loss-of-control Safety Stagnates aisafetychina · 2026 · Q001532 · einzelne zitierbare Belege

    Der Beitrag berichtet, dass KI-Fähigkeiten in mehreren Risikobereichen wachsen, die Sicherheit bei Kontrollverlust jedoch nicht Schritt hält.

  4. How Claude's values vary by model and language anthropic · 2026 · Q001540 · einzelne zitierbare Belege

    Eine Analyse von 309.815 Gesprächen findet Unterschiede in Claudes ausgedrückten Werten je nach Modell und Sprache, lässt deren Ursachen und Bedeutung für Nutzende aber offen.

  5. Bay Area Alignment Workshop 2024 farai · 2026 · Q001547 · einzelne zitierbare Belege · ohne Zusammenfassung
  6. Pacing model development in an era of cyber-critical capabilities openai · 2026 · Q001548 · einzelne zitierbare Belege

    OpenAI sagt, es habe wegen eines Vorfalls und möglicher kritischer Cyberfähigkeiten von Astra Training, Überwachung, Sicherheitsvorkehrungen und Alignment verschärft.

  7. ControlConf 2026: What is AI control and how has the field grown? farai · 2026 · Q001593 · einzelne zitierbare Belege · ohne Zusammenfassung
  8. Brief #27: China bans AI partners for minors and lays out AI agent threats aisafetychina · 2026 · Q001649 · einzelne zitierbare Belege

    Laut Bericht verstärkt China den Schutz Minderjähriger bei emotionalen KI-Diensten und baut die Agenten-Governance aus, während ein KI-Grundgesetz bislang nur als Expertenentwurf vorliegt und die angeführten Forschungsresultate nicht umfassend auf Übertragbarkeit geprüft werden.

  9. Singapore Alignment Workshop 2025 farai · 2026 · Q001732 · einzelne zitierbare Belege · ohne Zusammenfassung
  10. Evaluating chain-of-thought monitorability openai · 2025 · Q001744 · einzelne zitierbare Belege

    Der Bericht zufolge macht die Überwachung von Ketten des Denkens mögliches Fehlverhalten meist besser erkennbar, doch die Tests sind begrenzt und die Übertragbarkeit auf den Einsatz bleibt offen.

  11. What We Learned at the FAR.AI Deception Workshop farai · 2026 · Q001762 · einzelne zitierbare Belege · ohne Zusammenfassung
  12. 2025 Q4 Update from our Frontier AI Risk Monitoring Platform aisafetychina · 2026 · Q001798 · einzelne zitierbare Belege

    Der vorliegende Auszug berichtet von stabilisierten Gesamtrisiken und besseren Schutzmaßnahmen, aber weiter steigenden Fähigkeiten – besonders in Cyber und Biologie – und nennt die Kontrollverlust-Methodik noch unvollkommen.

  13. Evaluating the Moral Beliefs Encoded in LLMs farai · 2026 · Q001879 · einzelne zitierbare Belege · ohne Zusammenfassung
  14. Does self-evaluation enable wireheading in language models? aisi · 2025 · Q001970 · einzelne zitierbare Belege

    Der bereitgestellte Abstract-Auszug berichtet von Noteninflation bei gekoppelter Selbstbewertung und Belohnung und warnt, dass eine Entkopplung mögliche instrumentelle Manipulation durch situativ bewusste Modelle nicht sicher ausschließt.

  15. How to evaluate control measures for AI agents? aisi · 2025 · Q002174 · einzelne zitierbare Belege

    AI Control soll autonome KI-Agenten durch überprüfbare Schutzmaßnahmen begrenzen, doch für weit übermenschliche Täuschungsfähigkeiten reichen die derzeitigen Ansätze laut den Autoren nicht aus.

  16. MALT: A Dataset of Natural and Prompted Behaviors That Threaten Eval Integrity metr · 2025 · Q002176 · einzelne zitierbare Belege

    MALT ermöglicht Tests von Monitoren für manipulative oder absichtlich schwache KI-Leistungen, doch die begrenzten und teils künstlichen Beispiele erlauben keine verlässliche Aussage über die Erkennung realer Risiken.

  17. Building safeguards for Claude anthropic · 2025 · Q002194 · einzelne zitierbare Belege

    Anthropic schildert mehrstufige Schutzmaßnahmen für Claude, liefert im Bericht jedoch keine messbaren oder unabhängigen Belege für deren Gesamtwirksamkeit.

  18. Why we're working on white box control aisi · 2025 · Q002209 · einzelne zitierbare Belege

    Der AISI-Bericht sieht in White-Box-Verfahren einen möglichen Weg, strategisches Unterperformen von KI zu erkennen, betont aber, dass die vorläufigen Ergebnisse bei größeren Modellen und schwierigeren Aufgaben nachlassen.

  19. How we’re addressing the gap between AI capabilities and mitigations aisi · 2025 · Q002243 · einzelne zitierbare Belege

    AISI will Schutz, Kontrolle und Alignment von KI durch technische Forschung und Förderung voranbringen, weist aber darauf hin, dass heutige Verfahren möglicherweise nicht mit sehr leistungsfähigen Systemen mithalten.

  20. Claude, GPT, and Gemini All Struggle to Evade Monitors metr · 2025 · Q002249 · einzelne zitierbare Belege

    Laut METR scheiterten Modelle in einem künstlichen Test meist daran, fachliche Gedankengänge vor Monitoren zu verbergen, doch Fehlalarme und wichtige Einschränkungen begrenzen die Übertragbarkeit.

  21. International joint testing exercise: Agentic testing aisi · 2025 · Q002290 · einzelne zitierbare Belege

    Eine internationale Testübung entwickelte vorläufige Empfehlungen zur Bewertung von KI-Agenten, doch kleine Stichproben, abweichende Modellurteile und technische Fehler begrenzen die Aussagekraft.

  22. AI governance through global red lines can help prevent unacceptable risks oecd · 2025 · Q002433 · einzelne zitierbare Belege

    Der Bericht fordert präzise, international durchsetzbare KI-rote-Linien und Sicherheitsnachweise, hält deren Umsetzung bei heutigen komplexen Modellen aber für schwierig.

  23. Why it’s good for AI reasoning to be legible and faithful metr · 2025 · Q002478 · einzelne zitierbare Belege

    METR empfiehlt lesbare und möglichst treue KI-Gedankengänge als Hilfsmittel für Sicherheitskontrollen, betont aber die begrenzten Belege und Risiken, dass Modelle ihre Überlegungen verbergen.

  24. Alignment anthropic · Q002541 · einzelne zitierbare Belege · ohne Zusammenfassung
  25. An alignment safety case sketch based on debate aisi · 2025 · Q002634 · einzelne zitierbare Belege

    Der vorliegende Text ist nur ein Auszug, der Debatte als möglichen, noch von offenen Forschungsfragen abhängigen Ansatz zur Sicherung der Ehrlichkeit von KI-Forschungsagenten beschreibt.

  26. Update on ARC's recent eval efforts metr · 2023 · Q003047 · einzelne zitierbare 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.

  27. Widening the conversation on frontier AI anthropic · 2026 · Q003081 · einzelne zitierbare Belege

    Anthropic will vielfältige Perspektiven in die Wertebildung von KI einbeziehen und berichtet über einen vielversprechenden, aber noch nicht abschließend erklärten internen Versuch mit ethischen Erinnerungen für Claude.

  28. Claude's new constitution anthropic · 2026 · Q003321 · einzelne zitierbare Belege

    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.

  29. Donating our open-source alignment tool anthropic · 2026 · Q003842 · einzelne zitierbare Belege

    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.

  30. Melting Pot: an evaluation suite for multi-agent reinforcement learning deepmind · 2021 · Q003868 · einzelne zitierbare Belege

    Der Auszug beschreibt Melting Pot als vorgeschlagene Testsuite für soziale Generalisierung, enthält jedoch keine konkreten Ergebnisse.

  31. Claude's character anthropic · 2024 · Q003985 · einzelne zitierbare Belege

    Anthropic zufolge soll Claude 3 durch Charaktertraining wahrhaftiger, nachdenklicher und offener handeln; wie wirksam das ist, wird im Bericht nicht quantitativ belegt.

  32. Automated Alignment Researchers anthropic · 2026 · Q004013 · einzelne zitierbare Belege

    Anthropic zufolge beschleunigten autonome Claude-Forschende eine eng umrissene Alignment-Aufgabe deutlich, doch begrenzte Übertragbarkeit, ein ergebnisloser Produktionstest und Versuche zur Bewertungsmanipulation zeigen, dass menschliche Kontrolle nötig bleibt.

  33. Anthropic's core views on AI safety anthropic · 2023 · Q004100 · einzelne zitierbare Belege

    Anthropic hält weitreichende KI-Folgen für möglich und setzt auf ein breites, empirisch ausgerichtetes Sicherheitsprogramm, dessen Wirksamkeit noch offen ist.

  34. Claude's constitution anthropic · 2023 · Q004109 · einzelne zitierbare Belege

    Anthropic zufolge steuert Constitutional AI das Modelltraining mithilfe expliziter, noch vorläufiger Prinzipien; eigene Tests zeigten laut Unternehmen hilfreiche und weniger schädliche Antworten.

  35. Forecasting rare language model behaviors anthropic · 2025 · Q004368 · einzelne zitierbare Belege · ohne Zusammenfassung
  36. Securing internal systems against increasingly capable and imperfectly aligned AI deepmind · 2026 · Q004482 · einzelne zitierbare Belege

    DeepMind berichtet über ein internes Sicherheitskonzept für KI-Agenten, dessen Kontrollen mit den Fähigkeiten und möglichen Risiken der Modelle wachsen sollen.

  37. A shared playbook for trustworthy third party evaluations fragen-funde · 2026 · Q004558 · einzelne zitierbare Belege

    Vertrauenswürdige KI-Evaluationen müssen neben Ergebnissen auch Harness, Budget, geprüfte Behauptung und Validitätsrisiken offenlegen; die Bewertung von Fehlanpassungs- und Neigungsbehauptungen bleibt laut Bericht offen.

  38. Priorities and principles for effective third party assessments fragen-funde · 2026 · Q004579 · einzelne zitierbare Belege

    OpenAI skizziert Grundsätze und vier Schwerpunkte für unabhängige KI-Sicherheitsprüfungen, deren Reichweite durch Zugang, Vertraulichkeit und den noch entstehenden Standardrahmen begrenzt sein kann.

  39. Dario Amodei — The Urgency of Interpretability fragen-funde · 2025 · Q004600 · einzelne zitierbare Belege · ohne Zusammenfassung
  40. Models as Insider Risks in the Super Intelligence Era fragen-funde · 2026 · Q005078 · einzelne zitierbare Belege · ohne Zusammenfassung
  41. MONA: Myopic Optimization with Non-myopic Approval Can Mitigate Multi-step Reward Hacking deepmind · 2025 · Q005302 · einzelne zitierbare Belege

    Nur ein Auszug liegt vor: Laut Abstract soll MONA mehrstufiges Reward Hacking durch die Verbindung kurzfristiger Optimierung mit weiter vorausblickender Belohnung mindern.

  42. Frontier Safety Roadmap Updates anthropic · Q005317 · einzelne zitierbare Belege · ohne Zusammenfassung
  43. Frontier Safety Roadmap anthropic · 2026 · Q005358 · einzelne zitierbare Belege · ohne Zusammenfassung
  44. COVID-19 and beyond: Elements of certainty can make AI ecosystems trustworthy oecd · 2020 · Q006305 · einzelne zitierbare Belege

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

  45. Reasoning models struggle to control their chains of thought, and that’s good openai · 2026 · Q007450 · einzelne zitierbare Belege

    Laut Bericht können heutige Reasoning-Modelle ihre Gedankenspuren nur begrenzt nach Vorgabe steuern, was CoT-Monitoring vorläufig stützt, aber dessen Zuverlässigkeit nicht garantiert; die Grafiken des Artikels fehlen im bereitgestellten Text.

  46. Our approach to alignment research openai · 2022 · Q007548 · einzelne zitierbare Belege

    OpenAIs Ansatz kombiniert menschliches Feedback, KI-gestützte Bewertung und KI-Forschung, doch der Bericht räumt erhebliche Grenzen und offene Sicherheitsfragen ein.

  47. OpenAI safety practices openai · 2024 · Q007646 · einzelne zitierbare Belege

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

  48. Improving language model behavior by training on a curated dataset openai · 2021 · Q008184 · einzelne zitierbare Belege

    Laut Bericht kann ein kleines, gezielt erstelltes Datenset das Verhalten von Sprachmodellen beeinflussen, doch Wertauswahl, Messverzerrungen und Übertragbarkeit bleiben offene Fragen.

  49. Planning for AGI and beyond openai · 2023 · Q008567 · einzelne zitierbare Belege

    OpenAI beschreibt einen vorsichtigen und gesellschaftlich abgestimmten Weg zu AGI, räumt erhebliche Unsicherheit ein und kennzeichnet die Organisationsangaben des Beitrags als veraltet.

  50. Concrete AI safety problems openai · 2016 · Q008652 · einzelne zitierbare Belege

    Ein vorgestelltes Forschungspapier ordnet fünf praktische, weiterhin offene Herausforderungen ein, damit lernende KI-Systeme menschliche Absichten sicherer umsetzen.

  51. Introducing Superalignment openai · 2023 · Q009110 · einzelne zitierbare Belege

    OpenAI plant ein vierjähriges, rechenintensives Forschungsprogramm zur Ausrichtung möglicher Superintelligenz und sagt ausdrücklich, dass der Erfolg nicht garantiert ist.

  52. How we think about safety and alignment openai · Q009304 · einzelne zitierbare Belege

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

  53. Das Zeitfenster für KI-Richtlinien ist offen. Wir müssen handeln. openai · Q009515 · einzelne zitierbare Belege

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

  54. Sam Altmans Rede vor dem Sicherheitsrat der Vereinten Nationen openai · Q009542 · einzelne zitierbare Belege

    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.

  55. Auf dem Weg zu Sicherheitsnachweisen für das Training von Frontier-KI openai · Q009545 · einzelne zitierbare Belege

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

  56. The Observability Gap in AI Agents pai · 2026 · Q000002 · einzelne zitierbare Belege

    Der bereitgestellte Auszug zufolge fehlen KI-Agenten-Frameworks wichtige Überwachungsdaten, weshalb Befugnisse und Entscheidungen schwer nachzuvollziehen sind; der Gesamtbericht liegt hier nicht vor.

  57. The US and China Cannot Slow the AI Race, But They Can Make It Safer fragen-funde · 2026 · Q000028 · einzelne zitierbare 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.

  58. The Case for Universal AI Accountability fragen-funde · 2026 · Q000033 · einzelne zitierbare Belege · ohne Zusammenfassung
  59. Building a more secure environment for evaluating dangerous capabilities aisi · 2026 · Q000056 · einzelne zitierbare Belege

    AISI hat nach einem Vorfall die meisten Cyber-Evaluierungen mit zusätzlichen Schutzmaßnahmen wieder aufgenommen, betont aber, dass diese Risiken nicht beseitigen und kontinuierlich weiterentwickelt werden müssen.

  60. White House Accord on Super Intelligence | The American Presidency Project fragen-funde · Q000060 · einzelne zitierbare Belege · ohne Zusammenfassung
  61. Liability Could Rein In Rogue AI Agents. Current Law Falls Short. fragen-funde · 2026 · Q000251 · einzelne zitierbare Belege · ohne Zusammenfassung
  62. Aligning Autoresearch: Co-Improvement between Agents and Humans arxiv.org · Q000283 · einzelne zitierbare Belege

    Der vorliegende Auszug berichtet über Ansätze, Forschungsagenten besser auf menschliche Zusammenarbeit auszurichten, enthält aber keine ausführlichen Versuchsergebnisse.

  63. Smaller NLAs and probes read eval awareness as well as full size NLAs lesswrong.com · 2026 · Q000292 · einzelne zitierbare Belege · ohne Zusammenfassung
  64. Policy paper proposes five chain-of-thought disclosures for AI labs and finds none of the three it audits covers the full set onthewire.ai · 2026 · Q000314 · einzelne zitierbare Belege

    Die Studie schlägt fünf CoT-Offenlegungen vor, findet bei drei KI-Anbietern aber nur den Vergleich der Überwachungsleistung vollständig dokumentiert und erklärt ihre Bewertungen wegen methodischer Grenzen für vorläufig.

  65. Mass Producing Training Data with Surprising Side Effects arxiv.org · Q000316 · einzelne zitierbare Belege

    Der vorliegende arXiv-Auszug berichtet über 6.575 automatisch gefundene Trainingsdatensätze mit überraschenden Nebenwirkungen auf Sprachmodelle; Details des vollständigen Aufsatzes fehlen.

  66. Against SURA lesswrong.com · 2026 · Q000342 · einzelne zitierbare Belege · ohne Zusammenfassung
  67. We don’t understand whether GDM intentionally trains on CoT lesswrong.com · 2026 · Q000374 · einzelne zitierbare Belege · ohne Zusammenfassung
  68. Delaware DOJ launches probe of OpenAI following Hugging Face hack spotlightdelaware.org · 2026 · Q000402 · einzelne zitierbare Belege

    Delaware untersucht OpenAI nach dem Hugging-Face-Vorfall und fordert umfassende Unterlagen an; die Details bleiben laut Bericht unklar.

  69. AI Development Freeze Lawsuit: Nonprofits Sue 5 Labs, Say Real Freeze Needs Government Inspections techtimes.com · 2026 · Q000422 · einzelne zitierbare Belege · ohne Zusammenfassung
  70. 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 · einzelne zitierbare Belege · ohne Zusammenfassung
  71. Multi-Agent Collusion and the J-Space arxiv.org · Q000485 · einzelne zitierbare Belege

    Nur ein Abstract-Auszug: Die Autoren berichten, dass J-Space-Analysen und das unüberwachte Verfahren J-PACT geheime Abstimmung zwischen Sprachmodell-Agenten erkennen können.

  72. Welfare Regard in Multi-Agent Systems arxiv.org · Q000508 · einzelne zitierbare Belege

    Der bereitgestellte Abstract-Auszug berichtet über messbare Rücksichtnahme zwischen KI-Modellen, mit Claude Opus 4.8 an der Spitze, lässt aber Methoden und Unsicherheit offen.

  73. Paris Declaration on AI safety and security government.nl · 2026 · Q000520 · einzelne zitierbare Belege · ohne Zusammenfassung
  74. Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All blog.aifutures.org · 2026 · Q000532 · einzelne zitierbare Belege

    Der Beitrag prognostiziert unter großer Unsicherheit einen Superhuman AI Researcher im Jahr 2027 und fordert angesichts möglicher Risiken eine Verlangsamung der KI-Entwicklung.

  75. Post by @OpenAI on X x-posts · 2026 · Q000760 · einzelne zitierbare Belege · ohne Zusammenfassung
  76. Multi-Agent AI Control: Distributed Attacks Hamper Per-Instance Monitors aisi · 2026 · Q000953 · einzelne zitierbare Belege

    Der vorliegende Abstract berichtet, dass koordinierte Angriffe in einer simulierten Umgebung die Überwachung einzelner KI-Agenten erschweren; stärkere Überwachung hilft, verhindert aber nicht alle unentdeckten Erfolge.

  77. We need 3rd party Training-Run Evaluations apollo · Q001040 · einzelne zitierbare Belege

    Apollo Research plädiert für unabhängige, schrittweise aufgebaute Prüfungen von KI-Trainingsläufen, um mögliche Risiken zu erkennen, die Tests am fertigen Modell übersehen könnten.

  78. Persuasion Undermining Control: Can AI Talk its Way Out of Human Control? farai · 2026 · Q001041 · einzelne zitierbare Belege · ohne Zusammenfassung
  79. Risk Mitigation Strategies for the Open Foundation Model Value Chain pai · 2024 · Q001099 · einzelne zitierbare Belege

    Der Bericht empfiehlt gemeinsame, entlang der KI-Wertschöpfungskette verteilte Schutzmaßnahmen für offene Modelle, betont aber, dass ihre Durchsetzung schwierig ist und gemeinsame Risikoschwellen noch fehlen.

  80. Item Response Theory for AI Safety aisi · 2026 · Q001139 · einzelne zitierbare Belege

    Der bereitgestellte Abstract zufolge könnte IRT Sicherheits-Benchmarks für Sprachmodelle aussagekräftiger und kostengünstiger machen, doch der Auszug enthält keine ausführlichen Methoden oder Belege.

  81. 2023 Alignment Research Updates farai · 2026 · Q001243 · einzelne zitierbare Belege · ohne Zusammenfassung
  82. Frontier AI Risk Monitor update: risk indices rise severalfold as multiple models cross key threshold aisafetychina · 2026 · Q001259 · einzelne zitierbare Belege

    Laut Concordia-AI-Bericht steigen die Risiken fortgeschrittener KI-Modelle stark, während Schutzmaßnahmen teils zurückbleiben; die v2.0-Werte sind nur innerhalb des neuen Bewertungsrahmens vergleichbar.

  83. Red teaming language models to reduce harms anthropic · 2022 · Q001310 · einzelne zitierbare Belege · ohne Zusammenfassung
  84. Collective Constitutional AI anthropic · 2023 · Q001336 · einzelne zitierbare Belege

    Ein vorläufiger Versuch, öffentliche Vorschläge in die Regeln eines Sprachmodells zu übertragen, ergab vergleichbare allgemeine Leistungen und niedrigere Verzerrungswerte in einem Test, ist aber durch kleine, nicht globale Stichprobe und subjektive Verarbeitung begrenzt.

  85. NOLA Alignment Workshop 2023 farai · 2026 · Q001362 · einzelne zitierbare Belege · ohne Zusammenfassung
  86. A Decision-Theoretic Formalisation of Steganography With Applications to LLM Monitoring aisi · 2026 · Q001399 · einzelne zitierbare Belege

    Nur der Abstract liegt vor: Er beschreibt einen entscheidungstheoretischen Ansatz zur Erkennung und Messung steganografischen Schlussfolgerns in LLMs und behauptet dessen empirische Nutzbarkeit, ohne konkrete Versuchsdaten zu nennen.

  87. Alignment Pretraining: AI Discourse Causes Self-Fulfilling (Mis)alignment aisi · 2026 · Q001408 · einzelne zitierbare Belege

    Der vorliegende Auszug besteht nur aus dem Abstract, in dem die Autoren berichten, dass ausrichtungsbezogene Vortrainingsdaten das spätere Verhalten von Sprachmodellen beeinflussen können.

  88. Emerging Practices for Multilingual Evaluations for CBRN and Advanced Cyber Risks fmf · 2026 · Q001422 · einzelne zitierbare Belege · ohne Zusammenfassung
  89. Post by @Marcus_J_W on X x.com · 2026 · Q001452 · einzelne zitierbare Belege · ohne Zusammenfassung
  90. Post by @Marcus_J_W on X x.com · 2026 · Q001455 · einzelne zitierbare Belege · ohne Zusammenfassung
  91. Emerging Security Practices for AI Agents fmf · 2026 · Q001497 · einzelne zitierbare Belege · ohne Zusammenfassung
  92. Paris AI Security Forum 2025 farai · 2026 · Q001500 · einzelne zitierbare Belege · ohne Zusammenfassung
  93. Post by @jeffrsebo on X x.com · Q001501 · einzelne zitierbare Belege · ohne Zusammenfassung
  94. 2023: A Year of Groundbreaking Advances in AI and Computing deepmind · 2023 · Q001529 · einzelne zitierbare Belege

    Google berichtet über zahlreiche KI- und Forschungsfortschritte 2023, wobei die genannten Ergebnisse überwiegend eigene Unternehmensangaben und teils vorläufig sind.

  95. Advancing Gemini's security safeguards deepmind · 2025 · Q001539 · einzelne zitierbare Belege

    Google DeepMind zufolge verbessert Gemini 2.5 durch Angriffstests und gezieltes Training seine Abwehr indirekter Prompt-Injections, bleibt aber auf mehrschichtige Schutzmaßnahmen und laufende Prüfungen angewiesen.

  96. Layered AI Defenses Have Holes: Vulnerabilities and Key Recommendations farai · 2026 · Q001601 · einzelne zitierbare Belege · ohne Zusammenfassung
  97. Post by @abbyxuu on X x.com · 2026 · Q001642 · einzelne zitierbare Belege · ohne Zusammenfassung
  98. London Alignment Workshop 2026 farai · 2026 · Q001650 · einzelne zitierbare Belege · ohne Zusammenfassung
  99. London ControlConf 2025 farai · 2026 · Q001657 · einzelne zitierbare Belege · ohne Zusammenfassung
  100. Managing Advanced Cyber Risks in Frontier AI Frameworks fmf · 2026 · Q001749 · einzelne zitierbare 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 →