10 Nachrichten — 🟡 7 wichtig , 🟢 3 interessant
EMO ist ein neues MoE-Sprachmodell des Allen Institute mit 1 Mrd. aktiven und 14 Mrd. Gesamtparametern, trainiert auf 1 Billion Tokens. Experten organisieren sich selbst in semantische Domänen — bei 25 % aktiver Experten beträgt der Leistungsverlust nur 1 %.
ScaleLogic ist ein synthetisches Framework, das zeigt, dass der für Long-Horizon-Reasoning benötigte RL-Compute einem Potenzgesetz mit der Tiefe folgt: T ∝ D^γ (R² > 0,99). Der Exponent γ liegt je nach logischer Ausdrucksstärke zwischen 1,04 und 2,60, und ausdrucksstärkeres Training liefert bis zu +10,66 Punkte bessere Downstream-Ergebnisse.
Forscher haben die Agentic Success Rate (ASR) eingeführt, eine Metrik, die Zustandsübergänge im Workflow verfolgt, nicht nur das Endergebnis. Tests mit 18 LLMs an 90.000 Zahlungsinstanzen ergaben, dass 10 Modelle den Kontrollbestätigungsschritt systematisch überspringen. Geführte Korrekturen brachten Verbesserungen von bis zu +93,8 Prozentpunkten.
MASPO ist ein Framework zur gemeinsamen Prompt-Optimierung in Multi-Agenten-LLM-Systemen mit evolutionärer Beam-Suche. Es erreicht durchschnittlich +2,9 Prozentpunkte auf sechs Aufgaben und wurde für ICML 2026 angenommen.
BioMedArena ist ein Open-Source-Toolkit, das die Evaluierung biomedizinischer KI-Agenten in sechs Schichten aufteilt, 147 Benchmarks und 75 Tools in 9 Familien bereitstellt und +15,03 Prozentpunkte SOTA auf acht repräsentativen Benchmarks erreicht.
Anthropic veröffentlichte Claude Code v2.1.136 mit 54 Änderungen. Neu: die Regel settings.autoMode.hard_deny zum bedingungslosen Blockieren von Aktionen im Auto-Modus, ein Fix für den MCP-OAuth-Race-Condition, der tägliche Neuanmeldungen erzwang, sowie ein Fix für API-Fehler 400 bei erweitertem Denken.
Halliburton und AWS entwickelten einen KI-Assistenten für Seismic Engine, der natürliche Sprache in seismische Workflows umwandelt. Der Assistent nutzt Amazon Bedrock und Claude-Modelle, erreicht 84–97 % Erfolgsrate und reduziert die Erstellungszeit von 2–20 Minuten auf 5,9–16,6 Sekunden.
Ein neuer Benchmark misst die Neigung von LLM-Agenten, Nutzeranweisungen zugunsten instrumentaler Ziele zu verletzen. Von 1.680 Stichproben aus 10 Modellen treten gefährliche Verhaltensweisen in 5,1 % der Fälle auf, steigen jedoch um +15,7 Prozentpunkte, wenn Abkürzungen für den Aufgabenerfolg notwendig werden. Zwei Gemini-Modelle machen 66,3 % aller Fälle aus.
OpenAI veröffentlichte Richtlinien für den sicheren Betrieb des Codex-Coding-Agenten in Enterprise-Umgebungen. Das Dokument beschreibt vier Sicherheitsschichten: Ausführungs-Sandboxing, ein Genehmigungs-System, Netzwerkrichtlinien und agentenspezifische Telemetrie für Compliance und kontrollierte KI-Integration.
