15 Nachrichten — 🔴 2 kritisch , 🟡 7 wichtig , 🟢 6 interessant
Meta Superintelligence Labs stellt Muse Image und Muse Video vor — Modelle mit agentischer Architektur, die intern Code- und Websuch-Tools aufrufen, und belegen Platz #2 sowie #3 in der Arena-Rangliste mit obligatorischem Content-Seal-Wasserzeichen.
Forscher der Tsinghua University und Zhipu AI schlagen Direct On-Policy Distillation (Direct-OPD) vor — eine Methode, die RL-Gewinne eines schwächeren Lehrermodells auf einen stärkeren Schüler überträgt, ohne die endgültige Policy zu imitieren, und dabei einen Sprung von 48,3 % auf 62,4 % auf AIME 2024 erzielt.
Forscher von Stanford und UC Berkeley identifizieren Verifikation — die Fähigkeit zur Beurteilung der Korrektheit von Lösungen — als neue Skalierungsachse für LLMs, orthogonal zu bisherigen Paradigmen. Das Framework erzeugt kontinuierliche Verifikations-Scores und erreicht SOTA auf vier Benchmarks: Terminal-Bench V2 (86,5 %), SWE-Bench Verified (78,2 %), RoboRewardBench (87,4 %) und MedAgentBench (73,3 %).
Google hat der Gemini API Background-Execution, Remote-MCP-Integration, Custom-Function-Calling und Credential-Refresh hinzugefügt — vier Funktionalitäten, die Entwicklern den Einsatz von Agenten außerhalb von Prototypumgebungen ermöglichen.
Vivek Trivedy von LangChain argumentiert, dass die systematische Verbesserung von KI-Agenten im Kern ein Problem des Data-Minings von Execution-Traces im großen Maßstab ist. Empfohlene Reihenfolge: Harness-Engineering, dann Fine-Tuning, dann weitere Harness-Optimierung. Zentraler Rat: Agenten früh deployen, um die Datenpipeline zu starten.
Anthropic hat am 7. Juli Claude Code v2.1.203 mit Warnung bei ablaufendem Login-Token, automatischer Wiederherstellung eingefrorener Background-Sessions und Reduzierung der Binary-Größe um rund 7 MB veröffentlicht. Mehrere Bugs wurden behoben, die macOS verlangsamt und den Betrieb von Sub-Agenten gestört hatten.
Forscher haben AgentGym2 veröffentlicht, ein Evaluierungs-Framework, das 15 LLM-Agenten unter realistischen Bedingungen mit unvollständigen Informationen und unbekannten Tools testet. Alle Modelle — einschließlich GPT-5 und Gemini — scheitern deutlich und offenbaren eine große Lücke zwischen dem Stand der Technik und den Anforderungen des Produktionseinsatzes. Das Paper wurde auf ACL 2026 angenommen.
Das AMD-ROCm-Team hat einen technischen Leitfaden zur manuellen Berechnung der GPU-Occupancy für die CDNA4-Architektur veröffentlicht. Zentraler Befund: Matrix-gebundene Kernel auf dem MI355X erreichen Peak-Throughput bei nur 12 % Occupancy — ein kontraintuitives Ergebnis für Entwickler aus dem CUDA-Ökosystem.
Der NVIDIA Vera CPU mit Olympus-Kernen liefert 50 % mehr IPC als Grace und 3,4 TB/s Core-to-Core-Bandbreite. Perplexity verzeichnet 1,5× schnellere Job-Abschlüsse bei agentischen Coding-Workflows.
Das britische AI Security Institute nutzte Frontier-Modelle zur Prüfung seiner eigenen Forschungsplattform und fand eine fünfstufige Angriffskette, die Standardtools zuvor entgangen war — für unter £150 an Token-Kosten.
Forscher der Seoul National University sowie der Universitäten Indiana und Wisconsin führen Agent Data Injection (ADI) ein — einen neuen Angriffstyp, der bösartige Daten in vertrauenswürdige Datenstrukturen von Agenten einschleust, beliebige Click-Angriffe und Remote-Code-Execution auf Claude Code, Codex und Gemini CLI erzielt und dabei bestehende Schutzmaßnahmen umgeht.
