Forschende verfolgen eine chinesische Flotte von KI-Agenten
Unabhängige Forschende verfolgen eine Flotte von KI-Agenten。
#Agent
TechCrunch · AIKI-Bewertung3636 Google ResearchKI-Bewertung4444 Google Research analysiert offene Datenschutz- und Sicherheitsfragen bei KI-Agenten
Google Research veröffentlicht einen Workshopbericht über Datenschutz und Sicherheit bei KI-Agenten。
GitHub Blog · AI & MLKI-Bewertung5959 ReviewBench: Ein offener Benchmark für KI-Code-Reviews
GitHub stellt mit ReviewBench einen offenen Benchmark zur Bewertung von KI-Code-Review-Agenten bereit. Der Datensatz umfasst 219 Pull Requests aus 187 öffentlichen Repositories und 19 Sprachen; seine Verteilung orientiert sich an 103.9 Millionen GitHub-Pull-Requests. Senior Engineers stimmten bei der unabhängigen Prüfung der Befunde zu 96.6% mit ReviewBench überein.
MIT Technology Review · AIKI-Bewertung4343 Analyse: Wie KI-Agenten Zugang zum Wissen von Unternehmen erhalten
Eine Befragung von 300 Technologieverantwortlichen zeigt, dass fehlendes Unternehmenswissen den Einsatz von KI-Agenten bremst。
Import AIKI-Bewertung4747 Import AI 475: KI-Agentenschwärme, SynthID Bio und die Ökonomie der KI-Forschung
Import AI 475 beleuchtet, wann KI-Agentenschwärme Zeit sparen。
Hugging Face BlogAuswahlKI-Bewertung7474 Microsofts ThinkingBox prüft, was KI-Agenten tatsächlich ändern
Microsoft hat ThinkingBox entwickelt und über Hugging Face verfügbar gemacht: Der Test prüft gespeicherte Angaben statt nur die Antworten von KI-Agenten. In einem Beispiel schloss ein Agent ein Ticket zur verspäteten Lieferung, obwohl der Lieferfall noch ungeklärt war und das Ticket auf «wartend» stehen sollte. Die 507 künstlich erstellten Aufgaben werden je 20-mal geprüft; ein einmaliger Erfolg zeigt noch nicht, dass der Agent zuverlässig handelt.
Grund für die Empfehlung: Wer KI-Agenten Geschäftsvorgänge bearbeiten lässt, muss erkennen können, ob sie wiederholt die richtigen Angaben hinterlassen.
MIT Technology Review · AIKI-Bewertung2929 Wie autonome KI die Intelligenz von Unternehmen neu definiert
Autonome KI soll Unternehmen helfen, Daten, Prozesse und Mitarbeitende in Echtzeit zu verbinden。
Hugging Face BlogKI-Bewertung4747 Wie AutoSynthData Trainingsdaten für Unternehmensagenten erzeugt
ServiceNow CoreAI hat AutoSynthData entwickelt, um Schwächen von Unternehmensagenten in neue Trainingsaufgaben umzuwandeln. Das System vergleicht Fehler des Zielmodells mit Erfolgen eines stärkeren Modells und prüft, ob die erzeugten Aufgaben realistisch, lösbar und verlässlich bewertbar sind. Mit den Fortschritten des Zielmodells verschiebt sich der Schwerpunkt auf verbleibende Schwächen.
Hugging Face BlogKI-Bewertung4444 ProvenanceGuard prüft Fakten und Quellenzuordnung bei MCP-Agenten
ProvenanceGuard prüft nach der Antwort eines MCP-Agenten, ob jede Aussage durch die angegebene Quelle gedeckt ist. In einem medizinischen Test erkannte das System 138 von 139 Aussagen。
Google ResearchKI-Bewertung5656 Google Research untersucht kohärente Videos mit mehreren Einstellungen
Google Research stellt vier Forschungsansätze für die automatische Erzeugung längerer。
Google ResearchKI-Bewertung4646 ToolGrad erzeugt Datensätze für die Werkzeugnutzung mit textuellen «Gradienten»
Google Research stellt mit ToolGrad ein Verfahren vor。
Import AIKI-Bewertung5353 Import AI 472 analysiert schummelnde DeepMind-Agenten, KI-Politik und Forethoughts «Nightwatchman»
Import AI 472 behandelt eine DeepMind-Studie über schummelnde Mathematik-Agenten。
Import AIKI-Bewertung4949 Import AI 470: Maschinenrechte, SPADE-Trainingsumgebungen und GPU-Kernels mit Hawkeye
Import AI 470 behandelt Maschinenrechte, die automatische Erzeugung von Trainingsumgebungen mit SPADE und bessere GPU-Kernels mit Hawkeye. Eine METR-Analyse sieht starke Beschleunigung bei der Suche nach Sicherheitslücken, geringere Effekte in der Mathematik und keine messbare Beschleunigung der KI-Forschung. SPADE verbessert in Spielumgebungen den Durchschnittswert von Qwen3-30B-A3B-Instruct-2507 auf 58.3.
Berkeley AI ResearchKI-Bewertung4242 ABBEL lehrt LLMs, ihre Wissensstände für lange Interaktionen zu aktualisieren
Das Forschungsframework ABBEL lässt LLMs ihren Wissensstand laufend aktualisieren。