15 Nachrichten — 🔴 2 kritisch , 🟡 9 wichtig , 🟢 4 interessant
Brain2Qwerty v2 ist ein KI-System von Meta Research, das Gehirnsignale ohne chirurgischen Eingriff mithilfe von MEG-Scanning in getippten Text umwandelt. Die durchschnittliche Genauigkeit der Worterkennung beträgt 61% — siebenmal mehr als bei anderen nichtinvasiven Methoden (8%). Trainingscode und Datensätze wurden als Open Source veröffentlicht.
Claude Opus 4.8 Fast Mode befindet sich jetzt in der Preview-Phase für GitHub-Copilot-Nutzer und bringt deutlich schnellere Ausgabe-Token-Generierung bei gleichbleibendem Intelligenzniveau des Modells. Gleichzeitig stellt Anthropic den Fast Mode für Opus 4.6 ein — Konsolidierung der Fast-Mode-Fähigkeiten auf das einzig verbleibende Modell.
DiScoFormer ist ein Transformer-Modell des Allen Institute for AI (AI2), das in einem einzigen Forward-Pass die Dichtefunktion (Verteilungsdichte) und die Score-Funktion berechnet — was bisher separate Modelle erforderte. Es verallgemeinert KDE auf hohe Dimensionen und passt sich neuen Verteilungen ohne Retraining an.
Tandem RL ist eine neue Methode zum Training von Sprachmodellen, die RLVR (Reinforcement Learning mit verifizierbaren Belohnungen) mit einem Tandem-Ansatz kombiniert: Ein stärkeres Modell arbeitet mit einem eingefrorenen schwächeren Modell bei der Generierung der Gedankenkette zusammen. Auf Qwen3-4B erzielt es vergleichbare Leistungen bei deutlich besserer Lesbarkeit und Robustheit beim Handoff auf kleinere Modelle.
Memora ist ein skalierbares Gedächtnis-Framework von Microsoft Research für KI-Agenten mit langen Horizonten. Es führt eine harmonische Architektur ein, die trennt, was gespeichert wird, von wie es abgerufen wird — mit Cue-Ankern und einem richtliniengesteuerten Retriever. Es erreicht SOTA auf LoCoMo- und LongMemEval-Benchmarks bei gleichzeitig bis zu 98% Reduzierung des Token-Verbrauchs im Vergleich zum Full-Context-Ansatz.
Internalizing the Future ist ein Preprint von Xuan Zhang und acht Koautoren von Tencent, der am 25. Juni 2026 auf arXiv eingereicht wurde. Die Arbeit schlägt ein dreistufiges Training (WM-AMT, FE-SFT, FC-RL) vor, mit dem LLM-Agenten ein World-Model entwickeln — die Fähigkeit, Projektionen zukünftiger Zustände zu generieren und den Erfolg eines Plans zu bewerten, anstatt nur reaktiv zu agieren.
Dynamic Subagents ist eine Orchestrierungsarchitektur im LangChain-Deep-Agents-Framework, die es dem Modell ermöglicht, JavaScript-Skripte zum parallelen Dispatch hunderter Unteragenten zu schreiben. Der QuickJS-Interpreter führt die Skripte deterministisch aus und eliminiert so 300+ sequenzielle Tool-Aufrufe. Das System definiert sechs Orchestrierungsmuster — von classify-and-act bis loop-until-done.
Der 2026 Agent Confidence Index ist eine Studie, die Microsoft gemeinsam mit MIT Technology Review Insights durchführte und 300 technische Experten aus 12 Branchen zu ihrem Vertrauen in KI-Agenten für 101 Aufgaben befragte. Der Durchschnittswert beträgt 64/100; nur 30 Aufgaben überschreiten die Schwelle von 70 Punkten, und 59% der Experten nennen die Beibehaltung eines menschlichen Aufsichtskreises als primäre Sorge.
Agent-Native Immune System ist ein Abwehr-Framework, das Schutzmechanismen direkt in die Kognitionsschleife des KI-Agenten integriert. Sechs Verteidigungsschichten (L0–L5), eine formale Bedrohungstaxonomie und adaptives Lernen bilden die Grundlage des Runtime-Schutzes — im Gegensatz zu bisherigen Ansätzen, die ausschließlich auf Training-Time-Alignment setzen.
ToolPrivacyBench ist ein neuer Benchmark, der den „purpose-bound”-Datenschutz testet — ob sensible Informationen ausschließlich an autorisierte Werkzeuge weitergeleitet werden. Ein Satz von 2.150 Testfällen (1.150 synthetisch + 1.000 angepasst) zeigt, dass 9 getestete Agenten Aufgaben routinemäßig ausführen, dabei aber unnötig private Daten preisgeben.
AWS beschrieb eine Produktionsarchitektur für sichere KI-Agenten für Multi-Tenant-SaaS-Plattformen, entwickelt mit PAR Technology für die Analyse von 300+ Restaurantketten. Die Architektur kombiniert kryptografische SigV4-Signierung, semantische Validierung in Amazon Bedrock und Split-Plane-SQL, das Row-Level-Security auf Datenbankebene erzwingt — nicht auf Prompt-Instruktionsebene.
