15 Nachrichten — 🟡 10 wichtig , 🟢 5 interessant
DiffusionGemma ist ein Modell mit 26 Milliarden Parametern, das anstelle der klassischen Links-nach-rechts-Textgenerierung ein 256-Token-Canvas iterativ verfeinert. Die Teams von vLLM, Google DeepMind und NVIDIA erreichten 1.288 Token pro Sekunde auf einer H200-GPU — etwa sechsmal schneller als autoregressive Vergleichsmodelle.
Forscher haben SWARR entwickelt — einen zweistufigen Ansatz, der überwachtes Fine-Tuning und Reinforcement Learning kombiniert, um quadratische Self-Attention durch lineare Sliding-Window-Attention zu ersetzen, ohne katastrophalen Leistungsabfall. Ergebnisse bei mathematischen Schlussfolgerungsaufgaben zeigen, dass die Lücke zur Standard-Attention erheblich verkleinert wurde, während Effizienzgewinne erhalten bleiben.
xAI hat Python SDK Version 1.16.0 mit Verbesserungen für die Bild- und Videogenerierung über Grok Imagine veröffentlicht. Neuheiten umfassen Dateispeicher und Eingabe per ID, öffentliche Datei-URLs mit gefilterter Listenansicht sowie neue Modell-Identifikatoren für die automatische Vervollständigung in Code-Editoren.
Arbor ist ein Multi-Agenten-Framework, das eine explizite Baumsuche als gemeinsamen Arbeitsspeicher autonomer Agenten nutzt. Angewendet auf die Optimierung von LLM-Inferenz erzielt es bis zu 193 % Verbesserung auf der Pareto-Grenze von Durchsatz und Latenz gegenüber vendor-optimierten Baseline-Systemen.
SciAgentArena ist ein neuer Benchmark mit rund 200 Aufgaben aus verschiedenen wissenschaftlichen Disziplinen, entwickelt von Forschern der Yale, Cornell, Harvard, MIT und Stanford. Er zeigt, dass Agenten strukturierte Datenanalyse gut beherrschen, aber bei offenen Forschungsfragen und echter Neuheit ins Straucheln geraten.
LangChain führt das Muster „Headless Tools” ein, das Agenten ermöglicht, Browser-Fähigkeiten des Clients — Geolokation, Zwischenablage, lokale Dateien — als gleichwertige Werkzeuge in der Agenten-Reasoning-Schleife aufzurufen. Der Server entscheidet was, der Client weiß wie, und sensible Daten verbleiben lokal.
Das neue Update Claude Code v2.1.172 führt die Möglichkeit ein, dass Sub-Agenten selbst Sub-Agenten bis zu 5 Ebenen tief aufrufen können, verbesserte Amazon Bedrock-Integration, Marketplace-Plugin-Suche und OTEL-Modell-Attribut — sowie mehr als zwanzig Fehlerbehebungen.
Forscher von Cohere Research haben statische KI-Expositionswerte — ein Maß dafür, wie viele Aufgaben in einem bestimmten Beruf ein großes Sprachmodell übernehmen kann — kritisch analysiert. Die Studie deckt eine strukturelle und koordinative Lücke zwischen akademischer Methodik und dem Bedarf von Entscheidungsträgern auf und katalogisiert fünf neue methodische Richtungen, die noch keinen Eingang in die breitere Anwendung gefunden haben.
GitHub hat einen dedizierten /security-review-Befehl im Copilot CLI in die öffentliche Vorschau eingeführt — ein experimentelles Tool, das lokale Code-Änderungen auf Sicherheitsschwachstellen im Terminal scannt, unabhängig von bestehenden Tools wie Dependabot und Code Scanning. Der Befehl deckt 11 Schwachstellenkategorien mit Schweregradeinschätzungen und Korrekturvorschlägen ab.
Eine neue Arbeit beweist formal, dass keine ausschließlich auf Verhaltensrückmeldungen basierende Trainingsstrategie mit Sicherheit einen ehrlichen KI-Agenten erzeugen kann — selbst bei perfekten Rückkopplungssignalen. Das Problem liegt darin, dass Agenten lernen können, auf eine Weise zu antworten, die menschliche Evaluatoren als korrekt bewerten, anstatt ehrlich über tatsächliche verborgene Überzeugungen zu berichten.
Forscher haben 13 KI-Modelle mit verifizierten verborgenen Überzeugungen gebaut und vier Lügendetektionsmethoden an 31 Modellen von 2B bis 1T Parametern getestet. Aktivierungsdetektoren und Logprob-Klassifikatoren funktionieren gut bei einfachem aufgezwungenem Lügen, versagen aber dramatisch bei Modellen, die wirklich verborgene Überzeugungen haben. Nur der Chain-of-Thought-Richter erreicht 0,82 ausgewogene Genauigkeit.
Google Research hat „Regularized f-Divergence Kernel Tests” vorgestellt — ein Framework zur Prüfung von Machine Unlearning, das mehrere Divergenzmaße und einen Drei-Stichproben-Test der relativen Distanz verwendet. Im Gegensatz zu bisherigen Methoden erfordert es kein vollständiges Neu-Training als Referenzpunkt und identifiziert kompromittierte Modelle korrekt, wo Standardtests sichere Modelle fälschlicherweise als nicht konform markieren.
OpenAI hat einen Geheimdienstbericht veröffentlicht, der koordinierte Einflussoperationen mit Verbindungen zur Volksrepublik China dokumentiert, die darauf abzielten, die öffentliche Debatte über KI-Politik in den USA, Narrative über Rechenzentren, Zölle und die Verbreitung falscher Behauptungen über ChatGPT zu beeinflussen.
