Verifizierte Nachrichten, Veröffentlichungen und Analysen dazu, was sich bei künstlicher Intelligenz ändert und was das für Sie bedeutet.
170 Artikel
Das Preprint führt bereits aufgelöste Ereignisse und datierte Nachrichten zusammen, um Agenten zu verschiedenen historischen Zeitpunkten zu bewerten. Laut Abstract verbessern Recherchewerkzeuge den Brier-Score bei 12 Modellen, doch alle bleiben hinter den historischen Marktprognosen zurück.
Der Benchmark prüft, ob Agenten Ergebnisse aus Machine-Learning-Artikeln anhand veröffentlichter Materialien und mit einem festgelegten GPU-Budget rekonstruieren können. Die Erfolgsquoten zeigen einen zunehmenden Schwierigkeitsgrad, sagen aber nicht aus, ob die wissenschaftlichen Schlussfolgerungen der Artikel gültig sind.
Der Benchmark umfasst 799 Fälle aus dem indischen Privatkundengeschäft und prüft Sicherheit, Tool-Nutzung, Antworten und Beratung. Die Autoren argumentieren, dass ein einmaliger Erfolg nicht ausreicht, um Zuverlässigkeit zu messen.
Ein Preprint beschreibt ein System, das während der Inferenz domänenspezifische Definitionen sensibler Informationen abruft. Erste Ergebnisse sprechen dafür, dass es in den meisten getesteten Kombinationen mehr relevante Informationen erkennt als ein Vergleichsklassifikator. Die verfügbaren Angaben reichen jedoch nicht aus, um sämtliche Fehler oder die Eignung für den praktischen Einsatz zu beurteilen.
Akamai bestätigte eine mehrjährige Vereinbarung, nach der das Unternehmen Anthropic Rechenkapazität für CPU-Workloads bereitstellen soll. Frühere Berichte nannten zunächst eine Summe von 1,8 Milliarden Dollar; die spätere Ankündigung beziffert die ausgeweitete Verpflichtung auf 11,6 Milliarden Dollar. Aus den Vertragsbedingungen folgt jedoch nicht, dass die gesamte Kapazität bereits betriebsbereit ist.
Mit Googles Pilotprojekt kann Gemini einige einfache Anrufe im Namen der Nutzerinnen und Nutzer erledigen. Derzeit ist die Funktion auf Pixel-11-Besitzer in den USA beschränkt, die ein kostenpflichtiges Gemini-Abo haben. Während des Anrufs kann die Person den Vorgang überwachen und selbst übernehmen.
Google kündigt Live Avatar für Gemini Enterprise an: eine visuelle Darstellung, die das Gespräch begleitet und ihre Bewegungen mit der Stimme synchronisiert. Verfügbarkeit, Leistung und unterstützte Modalitäten haben Grenzen, die es auseinanderzuhalten gilt.
Der Benchmark misst, ob Agenten vorhersagen können, wie sich Änderungen an Komponenten eines Workflows auswirken. Die Ergebnisse beschreiben die Leistung bei konkreten Aufgaben, nicht eine allgemeine Fähigkeit, Wissenschaft zu betreiben.
Bei Made on YouTube stellte die Plattform KI-gestütztes Feedback zu Entwürfen und eine dialogbasierte Bearbeitung von Shorts vor. YouTube nennt einige mögliche Aktionen, macht aber keine Angaben zu Regionen oder zum Zeitplan der Verfügbarkeit.
Die OpenAI-Dokumentation nennt einen Einstellungstermin für die Videos API sowie für Sora 2 und Sora 2 Pro und gibt keinen Ersatz an. Teams können jetzt ihre Abhängigkeiten erfassen und bereits heruntergeladene Assets sichern. Was nach der Abschaltung mit laufenden Jobs und Metadaten geschieht, geht aus den verfügbaren Quellen nicht hervor.
Das Preprint beschreibt ein adaptives Red-Teaming-Verfahren, das Testergebnisse nutzt, um zu entscheiden, was als Nächstes untersucht wird. Die Autoren berichten in drei Evaluierungsfamilien von mehr entdeckten Fehlern als bei der statischen Wiederholung anfänglicher Tests. Die Zusammenfassung lässt jedoch weder den Vorsprung beziffern noch Rückschlüsse auf die Häufigkeit realer Vorfälle zu.
Der Benchmark vergleicht Computer-Use-Agenten in neun Marktplatzumgebungen – mit und ohne Einflussmechanismen. Die Ergebnisse zeigen einen deutlichen Rückgang bei der Wahl des für den Nutzer optimalen Produkts. Sie belegen jedoch nicht, dass derselbe Effekt in realen Online-Shops auftritt.