15 Nachrichten — 🔴 2 kritisch , 🟡 10 wichtig , 🟢 3 interessant
Rubrik-konditionierte Selbstdestillation ist eine neue Trainingsmethode für Reasoning-Modelle, die GRPO um +1,0 Punkt und OPSD um +0,9 Punkte auf wissenschaftlichen Reasoning-Benchmarks übertrifft. Statt skalarer Belohnungen wandelt der Ansatz Rubriken in Token-Level-Führung für präzisere Kreditvergabe um.
GPT-5.5 Instant verbessert Gesundheits- und Wellness-Antworten in ChatGPT durch stärkeres Schlussfolgern und besseren Kontext. Eine Ärztegruppe führte die Evaluation durch, mit dem Ziel klarerer und zuverlässigerer Kommunikation zu medizinischen Themen.
Claude Opus 4.7 steuerte autonom einen Roboter-Quadrupeden und erledigte Aufgaben 20× schneller als ein menschliches Team bei ~10× weniger Code mit gleich guten oder besseren Ergebnissen. Präzise Closed-Loop-Steuerung bleibt jedoch eine Herausforderung.
CEO-Bench simuliert 500 Tage Startup-Führung und testet KI-Agenten bei unüberwachten Geschäftsentscheidungen. Nur Claude Opus 4.8 und GPT-5.5 überschreiten das Startkapital von einer Million Dollar, aber kein Modell erzielt konsistenten Gewinn.
Amazon Bedrock AgentCore Harness hat die Preview-Phase verlassen und ist nun für alle in der Produktion verfügbar. Der Einsatz eines Produktions-KI-Agenten erfordert jetzt nur noch 2 API-Aufrufe. Die Plattform unterstützt Claude, Nova, Llama, DeepSeek, GPT-5.5 und GPT-5.4 mit Modellwechsel mid-session ohne Kontextverlust.
GitHub führte Echtzeit-Duplikaterkennung bei der Issue-Erstellung ein und erweiterte den MCP-Server um Lese- und Schreibunterstützung für Issue-Felder. KI-Agenten können jetzt Issues mit automatisch gesetzten Metadaten erstellen und manuelles Triaging entfällt.
TxBench-PP ist ein Benchmark, der KI-Agenten in der präklinischen Pharmakologie kleiner Moleküle über 4.800 Trajektorien und 11 Modelle testet. Claude Opus 4.8 erreicht 59,3 % Erfolg vor GPT-5.5 mit 55,3 %, aber kein Modell erreicht die für medizinische Anwendungen nötige Zuverlässigkeit.
MAI-Code-1-Flash, Microsofts kompaktes Coding-Modell mit best-in-class-Qualität für seine Größe, ist nun auf 8 Entwicklungsoberflächen innerhalb von GitHub Copilot verfügbar — vom CLI bis zu mobilen Plattformen — in allen Plänen von Free bis Max Tier.
OpenAIs Reasoning-Modell identifizierte 18 neue Diagnosen in bisher ungelösten Fällen seltener genetischer Erkrankungen bei Kindern in Zusammenarbeit mit Ärzten und Forschungseinrichtungen. Die Ergebnisse werfen neue Fragen über die Rolle von KI in der klinischen Diagnostik auf.
Das PyTorch-Core-Team veröffentlichte LLM-geführtes Autotuning für Helion-Kernel, das die GPU-Code-Optimierung von Minuten auf Sekunden beschleunigt. Statt erschöpfender Suche über alle Konfigurationen führen große Sprachmodelle die Parameterraum-Suche intelligent.
Google DeepMind analysierte eine Million Agenten-Coding-Trajektorien und stellte fest, dass mehr als 50 % der gemeldeten Sicherheitsvorfälle bei KI-Agenten auf Aufgabenmissverständnisse oder übermäßigen Modelleifer zurückgehen, nicht auf externe Angriffe. Das verschiebt die Verteidigungsprioritäten.
GitHub veröffentlichte an einem Tag zwei komplementäre Sicherheitsupdates für Actions: actions/checkout@v7 blockiert Pwn-Request-Angriffe aus Fork-PRs, und die neue Workflow-Execution-Protections-Funktion ermöglicht Admin-Allowlists nach Akteur und Eventtyp für gesamte Organisationen.
