Montag, 25. Mai 2026

8 Nachrichten — 🟡 4 wichtig , 🟢 4 interessant

🤖 Modelle (1)

🟢 🤖 Modelle 25. Mai 2026 · 2 Min. Lesezeit

Gemini API: gemini-3.1-flash-lite-preview abgeschaltet — Migration auf GA-Version erforderlich

Google schaltete am 25. Mai 2026 die Preview-Version des Modells gemini-3.1-flash-lite ab, nur 18 Tage nach Veröffentlichung der stabilen GA-Version (Generally Available). Entwicklungsteams, die die Modell-ID gemini-3.1-flash-lite-preview verwenden, müssen sofort auf gemini-3.1-flash-lite migrieren, da der Preview-Endpunkt nicht mehr verfügbar ist.

⚖️ Regulierung (1)

🟡 ⚖️ Regulierung 25. Mai 2026 · 2 Min. Lesezeit

UK AI Safety Institute: Abkommen mit australischem AISI über gemeinsame Evaluierung und Forschungsaustausch

Das britische AI Safety Institute (UK AISI) und das australische AI Safety Institute unterzeichneten am 25. Mai 2026 ein Kooperationsabkommen über bewährte KI-Evaluierungspraktiken und den Austausch von Forschungsergebnissen. Die Partnerschaft erweitert das Netzwerk internationaler KI-Sicherheitsinstitutionen und stärkt einen koordinierten Ansatz zur Risikobewertung fortgeschrittener KI-Systeme.

🤝 Agenten (1)

🟡 🤝 Agenten 25. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.25707: AgentHijack-Benchmark enthüllt kritische Fragilität von KI-Agenten bei der Computersteuerung

Forscher präsentierten auf der ICML 2026 AgentHijack — einen Benchmark zur Messung der Robustheit multimodaler LLM-Agenten für die Computersteuerung gegenüber realistischen Umgebungsstörungen wie Pop-up-Fenstern. Ergebnisse zeigen, dass selbst kleine Störungen zu signifikanten Leistungseinbrüchen führen; die Autoren schlagen das AgentHijack-Agent-Framework mit zwei Modulen zur Robustheitssteigerung vor.

🔧 Hardware (1)

🟡 🔧 Hardware 25. Mai 2026 · 2 Min. Lesezeit

AMD: Ryzen AI Max+ 395 führt LLM-Modelle bis 122 Milliarden Parameter mit Unified Memory aus

Der AMD ROCm-Blog veröffentlichte eine detaillierte Analyse der LLM-Inferenz auf dem Ryzen AI Max+ 395-Prozessor mit UMA-Architektur (Unified Memory Architecture). Ein System mit 128 GB LPDDR5X-Speicher erreicht 42 Tok/s beim Qwen3.5 35B MoE-Modell mit vollem GPU-Offloading und unterstützt Modelle bis 122B Parameter durch Kombination von CPU- und GPU-Speicher.

🏥 In der Praxis (2)

🟢 🏥 In der Praxis 25. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.25603: CIE-Scorer erkennt, wenn das Kettenschlussdenken von LLMs falsch dargestellt wird

Forscher schlugen CIE-Scorer vor, ein Framework, das mechanistische Interpretierbarkeit mit externer Reasoning-Analyse zur Erkennung untreuer (unfaithful) Gedankenketten (CoT) in LLM-Modellen kombiniert. CIE-Scorer erzielt auf vier FaithCoT-Bench-Datensätzen State-of-the-Art-Ergebnisse bei deutlich niedrigeren Rechenkosten als bisherige Methoden.

🟢 🏥 In der Praxis 25. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.25517: Studie enthüllt, was KI-Suchmaschinen zitieren — Relevanz und Position entscheidend

Rahul Vishwakarma, Shushant Kumar und Ratnesh Jamidar führten 252.000 RAG-Experimente auf sechs LLMs durch, um zu ermitteln, welche Inhaltsfaktoren die Zitierbarkeit in KI-Suchmaschinen bestimmen (GEO — Generative Engine Optimization). Thematische Relevanz und Listenposition sind entscheidend; explizite Preise und ein aktuelles Datum bieten zusätzliche Vorteile, während Formatierung minimalen Einfluss hat.

💬 Community (1)

🟢 💬 Community 25. Mai 2026 · 2 Min. Lesezeit

Anthropic: Chris Olah ruft die Kirche auf, zur moralischen Stimme in der KI-Entwicklung zu werden

Chris Olah, Mitgründer von Anthropic, wandte sich mit einem Kommentar zur päpstlichen Enzyklika „Magnifica humanitas” von Papst Leo XIV. über künstliche Intelligenz an die Öffentlichkeit. Olah forderte religiöse Institutionen auf, eine aktive Rolle bei der Steuerung der KI-Entwicklung zu spielen, da kommerzielle Druck die ethischen Entscheidungen der KI-Labore beeinträchtigen.

🛡️ Sicherheit (1)

🟡 🛡️ Sicherheit 25. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.25893: D²-Monitor überwacht dynamisch die Sicherheit von Diffusions-Sprachmodellen mit nur 0,85M Parametern

Forscher schlugen D²-Monitor vor, ein System zur dynamischen Sicherheitsüberwachung von Diffusions-Sprachmodellen (D-LLM), die Text durch iteratives Rauschentfernen generieren. D²-Monitor verwendet einen zweistufigen Ansatz basierend auf „Sicherheitszögern” als Proxy für die Stichprobenschwierigkeit und erzielt State-of-the-Art-Ergebnisse mit unter 0,85 Millionen Parametern auf drei Datensätzen und vier D-LLM-Modellen.