Veröffentlichungen und Aktualisierungen mit Profilen, Kontext und Primärquellen.
Anthropic hat eine Seite mit dem Titel „Anthropic Cyber Mission“ veröffentlicht. Die verfügbaren Informationen bestätigen jedoch weder den Umfang noch die Beteiligten oder Schutzmaßnahmen der Initiative. Auch das Verhältnis zu Project Glasswing und anderen Cybersicherheitsprogrammen ist ungeklärt.
Google beschreibt Gemini Enterprise als KI-Plattform für die Arbeitswelt, die sich mit Apps verbinden und Wissensarbeit unterstützen kann. Die geprüften Quellen bestätigen jedoch weder eine eigene berufliche Identität für den Agenten noch den Umfang einer Einführung mit autonomer Delegation zwischen Apps.
Trust Layer ergänzt Benchmark-Ergebnisse um vier Prüfungen: zur Korrektheit der Bewertung, zur Nachvollziehbarkeit, zur Wahrhaftigkeit von Erfolgsmeldungen und zur Stabilität über mehrere Durchläufe. Getestet wurde der Ansatz mit fünf Agentenkonfigurationen und 108 Aufgaben. Die Ergebnisse belegen jedoch noch nicht, dass er sich auf andere Benchmarks übertragen lässt.
Ein Praxisleitfaden dazu, wie sich jedes Risiko eines Hochrisiko-KI-Systems mit einer Maßnahme, einem Test und dokumentierten Nachweisen verknüpfen lässt – und wie sich gesetzliche Anforderungen von operativen Empfehlungen unterscheiden.
OpenAI beschreibt ein Erlebnis, das Text mit visuellen und interaktiven Elementen verbindet. Die verfügbaren Informationen bestätigen weder, welche Tarife die Funktion erhalten, noch eine um 44 Prozent verkürzte Wartezeit.
Google dokumentiert die Überprüfung von SynthID-Wasserzeichen in Bildern und Videos. Ein erkannter Hinweis kann Aufschluss über die Herkunft eines Inhalts geben, beweist aber nicht, dass beliebige Dateien nicht mit KI erstellt oder verändert wurden. Der öffentliche Start, die Bedingungen für Audio und weitere Details sind mit den verfügbaren Informationen nicht bestätigt.
Der Vorschlag fragt, ob jede abgerufene Erinnerung für eine Anfrage zulässig ist. Das verfügbare Material bestätigt jedoch weder die Existenz des beschriebenen Preprints noch dessen Methode oder Ergebnisse. Warum Relevanz und Zugriffsberechtigung getrennt bewertet werden müssen – und welche Nachweise für eine belastbare Prüfung fehlen.
Ein Preprint und ein Repository stellen JEPA-Anything als Framework für unterschiedliche Anwendungsbereiche vor. Die verfügbaren Informationen reichen jedoch nicht aus, um die Aufgaben, die experimentellen Verbesserungen oder die Tragweite des zugeschriebenen präklinischen Ergebnisses zu bestätigen.
Cohere stellt North 2 als Plattform für Unternehmensagenten mit Kostenkontrollen, Sicherheitsfunktionen und Workflow-Verwaltung vor. Die verfügbaren Informationen belegen jedoch noch nicht, wie diese Kontrollen im Produktivbetrieb funktionieren oder welche externen Modelle unterstützt werden.
Der Vorschlag will den Forschungsprozess von Agenten bewerten, nicht nur ihre endgültigen Antworten. Die verfügbaren Unterlagen reichen jedoch nicht aus, um das Preprint, seine Experimente oder Ergebnisse zu bestätigen.
Der Vorschlag beschreibt einen Critic zur Prüfung von Aktionen und einen Context Manager, der den Abschluss von Aufgaben verifizieren soll. Ohne eine überprüfbare Primärquelle lässt sich weder bestätigen, dass DeReAct veröffentlicht wurde, noch lassen sich ihm Ergebnisse auf GAIA oder SWE-bench Verified zuschreiben.
Ein Preprint beschreibt, wie Agenten Sicherheitsvorgaben verletzen können, die viele Schritte zuvor gemacht wurden. Die Zusammenfassung berichtet von 11,5 Prozent GHOST-Ereignissen in einer GPT-5.5-Konfiguration und keinen beobachteten Ereignissen mit STAR-Guard. Für die Bewertung der Aussagekraft und Reichweite fehlen jedoch wichtige Details.
Neuigkeiten, die die Karte der Modelle und Fähigkeiten verändern.
Der Start erfordert eine Überprüfung der Evaluierung, Bereitstellung und Sicherheit.
Grenzmodell ↗Code- und Wissensaufgaben mit Aufwandsprüfungen.
Wissen ↗Multimodalität, Code und Agenten mit niedrigem Latenzprofil.
Stabile Version ↗Eine Nachrichtenmeldung endet nicht in der Schlagzeile.
Bezieht die Anzeige auf Version, Zugriff und Modalitäten.
Identität ↗Unterscheiden Sie zwischen stabilen Einführungsraten und fehlenden Daten.
Kosten ↗Überprüfen Sie die Bedingungen und die Vergleichbarkeit, bevor Sie einen Benchmark akzeptieren.
Beweis ↗