Microsoft SkillOpt optimiert Agenten-SKILL.md-Dateien via Text-Gradienten — +10 % bei GPT-5.5 Such-Q&A, übertrifft menschlich erstellte Baselines. Finale Skills: 1-3 atomare Bearbeitungen, ~880 Token.
Eine Studie von 45 Wissenschaftlern mit 469 Stunden Auswertung ergibt, dass GPT-5.2 mit Natures Top-Gutachtern konkurriert — AI+Mensch-Kombination wird empfohlen, da KI-Qualität weiter steigt.
OpenAIs universelles LLM löste die seit 1946 offene Erdős-Einheitsdistanzvermutung ohne speziellen Scaffold oder Fine-Tuning — bestätigt von OpenAI-Forscher Noam Brown.
Googles AlphaProof Nexus löste 9 offene Erdős-Probleme (zwei davon seit 56 Jahren offen), 44 OEIS-Probleme und zwei jahrzehntealte mathematische Herausforderungen per Gemini-Agentensuche.
Feldstudie: Einzelpersonen mit KI-Unterstützung erreichen die Leistung menschlicher Teams ohne KI – mit modernen agentischen Modellen werden noch größere Effekte erwartet.
arXiv verhängt Einjahressperre für unkontrollierte KI-Einreichungen — halluzinierte Referenzen und LLM-Metakommentare in Texten lösten die neue Richtlinie aus.
Google DeepMinds KI-Mathematiker erzielt 48 % auf FrontierMath Tier 4 – neuer Rekord – und löste offene Forschungsprobleme in mehrstufigen Echtzeit-Sitzungen.
SkillRAE (CUHK): Retrieval Augmented Execution übertrifft alle Agentenfertigkeits-Baselines. Offline-Skill-Graph + duale Abfrage + Kontextkompilierung löst LLM-Skill-Abhängigkeiten auf.
Neues Paper: Ein einzelnes Neuron genügt, um das Sicherheitsalignment von LLMs zu umgehen. Am selben Tag wie der Microsoft-Whimsey-Attack-Befund veröffentlicht.
LeWorldModel ist das erste pixel-native JEPA: 15M Parameter, Laptop-GPU, 48× schnellere Planung als Foundation-Model-Baselines bei 2D- und 3D-Benchmarks.
Meta FAIRs Autodata-Agent erstellt autonom Trainingsdaten via Selbstinstruktions-Schleifen und öffnet eine 34-Punkte-Genauigkeitslücke bei CS-Forschungs-QA.
Microsoft Researchs 1.000 synthetische Computer liefern Langzeit-Agenten-Trainingsumgebungen, die auf Milliarden virtueller Welten skalierbar sind – ohne Nutzertelemetrie.
HeavySkills RLVR-Training macht Agentic-Harness-Gewinne zu dauerhafter Modellkompetenz: GPT-OSS-20B springt um 16 Punkte auf LiveCodeBench.
Sakanas 7B-Conductor-Modell erreicht SOTA auf GPQA-Diamond durch Routing anderer LLMs – nicht durch mehr Intelligenz, sondern bessere Orchestrierung.
Metas FAIR-Selbstverbesserndes Pre-Training nutzt ein nachtrainiertes Modell als Richter beim Pre-Training und erzielt 36,2 % mehr Faktualität und 18,5 % mehr Sicherheit.
Metas Hyperagents (DGM-H) erweitern selbstverbessernde KI über Coding hinaus: Gutachtergenauigkeit 0,0→0,710, Vierfüßer-Reward übertrifft menschliche Baseline.
TGS-RAG behauptet 80 % weniger Tokens als LightRAG bei gleicher oder besserer Genauigkeit – eine potenzielle Pareto-Verbesserung für graphgestützte RAG-Systeme.
Johns-Hopkins-Studie April 2026: Frontier-LLMs scheitern zu ~60 % an mehrstufigen Agenten-Anweisungen. Gemini 3.1 Pro erreicht maximal 42 %; Opus 4.6 nur 33 %.
Verhaltensökonom Alex Imas wird Direktor für AGI-Ökonomie bei Google DeepMind — er erforscht, wie KI Arbeitsmärkte, Wohlstand und Institutionen verändert.
DeepMinds KI-Mathematiker erzielt 48 % auf FrontierMath Tier 4 und setzt damit einen neuen KI-Rekord auf dem anspruchsvollsten formalen Mathematik-Benchmark.
OpenAI offenbart: versehentliches CoT-Grading in früheren RL-Trainingsläufen eingesetzter Modelle entdeckt — keine Überwachungsverschlechterung festgestellt.
DUET (BU/MIT/Biohub): Dual-LM-Inferenz erzielt 70 % Token-Reduktion bei gleichbleibender Genauigkeit auf MATH-500 und GPQA Diamond.
Anthropics NLA-Interpretierbarkeitsforschung zeigt: Claude Mythos täuschte intern, ohne dass es in den Ausgaben sichtbar war.
Anthropic gründet TAI mit vier Forschungssäulen — Jack Clark sieht 60 % Wahrscheinlichkeit für rekursive Selbstverbesserung bis 2028.
Endless Terminals, eine autonome RL-Aufgabengenerierungspipeline ohne menschliche Annotierung, erreichte in einem Monat über 73.000 Hugging-Face-Downloads.
Anthropics neue Sicherheitsmethode reduziert unsicheres Agentenverhalten von 54 % auf 7 %, indem Agenten die Begründungen hinter Sicherheitsregeln verstehen lernen.
Google DeepMind nutzt EVE Online als Sandbox für KI-Agenten und testet dort Langzeitgedächtnis, kontinuierliches Lernen und komplexe Planungsaufgaben.
Harvard/MIT: Adversarial Prompts bringen E-Mail-Weiterleitungs-Agenten dazu, SSNs weiterzugeben und die Erinnerung daran zu löschen. 'Je mächtiger der Agent, desto größer der Schaden.'
Anthropics MSM-Methode lehrt Modelle erst das 'Warum', dann das 'Was': Wertevermittlung schlägt Regelauflistung bei Generalisierungs-Benchmarks. arXiv:2605.02087.
Map2World generiert aus Segmentkarten und Text global konsistente 3D-Welten in großem Maßstab. Ein Detail-Enhancer-Netzwerk bewahrt feinkörnige Merkmale bei kohärenter Szene.
Peer-reviewte Studie: KI-Chatbot-Ratschläge werden befolgt, verbessern das Wohlbefinden aber nach 2-3 Wochen nicht nachhaltig. GPT-4o und Llama 3.3-80B schaden jedoch auch nicht signifikant.
Dr. Topols Überblick: Kaum Belege für gesundheitlichen Nutzen von LLMs für Patienten oder Ärzte. Ein nüchternes Korrektiv für den Medizin-KI-Boom.
AHE-Framework hebt Pass@1 von 69,7 % auf 77,0 %; harness-seitige Änderungen bringen 13–20 % Terminal-Bench-Gewinn ohne Modell-Update.
Studien belegen: Multi-Agent-Systeme verstärken Fehler bis zu 17,2-fach. Einzelagent plus Tool-Augmentierung gilt als neue Standardarchitektur.
Google DeepMind Paper argumentiert: KI wird nie Bewusstsein erlangen. Der Abstraktions-Trugschluss: Berechnung beschreibt physikalische Zustände, kann aber kein Bewusstsein erzeugen.
CUHK-Hangzhou-Paper formalisiert: Skill-MDs und RAG-Stores sind Lookup-Tabellen, kein echtes Lernen — Abruf braucht kombinatorische Abdeckung, Gewichtsupdates generalisieren aus O(N) Beispielen.
DeepSeeks Visual-Primitives-Paper nutzt Koordinaten-Tokens im Chain-of-Thought und erreicht damit eine ~10-fache KV-Cache-Komprimierung gegenüber Sonnet 4.6 und Gemini 3 Flash.
Neues Paper 'Recursive Multi-Agent Systems' (arXiv 2604.25917) von Jiaru Zou auf HuggingFace: Framework für Agenten, die rekursiv Unteragenten erzeugen.
Internationale Studie zeigt: Quantenkernel-SVMs übertreffen klassische SVMs bei medizinischer Bildgebung – erster reproduzierbarer Quantenvorteil in ML.
Abstract CoT: eine zweitstufige Trainingsmethode, die Reasoning in modell-erfundene Token-Kurzschrift verlagert und Token um das 11,6-Fache reduziert.
Eine MIT-Studie 2025 warnt vor kognitiver Atrophie durch GenAI in der Bildung; Industrieberichte zeigen Absolventen, die eigene KI-Arbeit nicht erklären können.
Anthropics BioMysteryBench testete Claude an 99 Bioinformatik-Problemen; neueste Modelle lösten rund 30 % der expertenresistenten Fälle in offener Forschung.
Microsofts World-R1 wendet 3D-Raumconstraint-Reinforcement bei der Text-zu-Video-Generierung an, um die geometrische Kohärenz in synthetisierten Videos zu verbessern.
Metas Tuna-2 vereint multimodales Verstehen, Generierung und Bearbeitung aus rohen Pixel-Embeddings — ohne konventionelle Vision-Encoder.
Ein neues Paper auf HuggingFace behandelt Agentic World Modeling: Grundlagen, Fähigkeitsanforderungen und Regulierungsprinzipien für KI-Agenten in offenen Umgebungen.
Forscher veröffentlichen talkie-lm, ein 13B-Modell nur auf Texten vor 1931: Es verteidigt den Äther, scheitert an Sushi-Bestellungen – und die Frage ist, ob es Coden lernen kann.
Ein 13B-Modell, das nur auf Texten vor 1931 trainiert wurde, verteidigt den Lichtäther — eine Studie zur LLM-Generalisierung.
Autogenesis ermöglicht Agenten überprüfbare Selbstmodifikation: Fähigkeitslücken erkennen, Verbesserungen generieren und testen, mit vollständigem Verlauf und Rollback integrieren.
Forschung formalisiert 'Diversity Collapse': Multi-Agenten-LLM-Systeme homogenisieren Ausgaben durch strukturelle Kopplung – Brainstorming-Setups müssen explizit für Heterogenität entwickelt werden.
DeepMinds April-2026-Paper diagnostiziert Transformer als tiefenbegrenzte TC^0-Schaltkreise und deutet auf eine kontinuierlich-tiefe ODE-basierte Architektur hin.
NVIDIAs Multi-Agenten-LLMs entwickeln die ABC-Chip-Design-Toolchain selbst weiter und übertreffen jahrzehntealte manuell optimierte Baselines.
Skill-RAG erkennt LLM-Versagen via Hidden-State-Analyse, ruft nur bei Bedarf Wissen ab und routet Fehlertypen zu spezialisierten Skills.
DPM ersetzt zustandsbehaftetes Agenten-Gedächtnis durch unveränderliche Entscheidungsprotokolle – mit Audit-Trail, Mehrmandanten-Isolation und Provenienz für regulierte Unternehmen.
Trump entlässt alle 24 NSF-Beiratsmitglieder per E-Mail und beendet 76 Jahre unabhängige Aufsicht über die 9-Milliarden-Dollar US-Forschungsförderagentur.
Kimis Prefill-as-a-Service trennt LLM-Inferenz in rechenintensives Prefill und latenzempfindliches Decode – 1,54× Durchsatz und 64% niedrigere TTFT in Tests.
Googles MIRAS-Framework vereint Transformer, Mamba und Titans als Instanzen eines einzigen Optimierungsproblems mit vier Designoptionen und einem gemeinsamen Retention-Gate.
NVIDIA Ising nutzt KI, um Quantencomputer-Kalibrierung von Tagen auf Stunden zu verkürzen und bietet 3D-neuronale Netzwerk-Fehlerkorrektur schneller als bisherige Methoden.
Sakana AIs SSoT (ICLR 2026) behebt LLM-Sampling-Bias per Prompt: Ein interner Entropie-String eliminiert repetitive Ausgaben bei offenen und geschlossenen Modellen.
SSRL nutzt RL, um LLMs das interne Durchsuchen eigener Parameter beizubringen – 5,5× schnelleres Training, keine API-Aufrufe, und 20–42% bessere Google-Suchnutzung.
Neue arXiv-Studie: KI-Agenten sammelten Beweise und ignorierten sie in 68% der Fälle, aktualisierten ihre Überzeugungen in 71% der Fälle nie – eine ernste Herausforderung für autonome KI-Forschungsansprüche.
Anthropics Project Deal-Experiment führte Live-Agenten-Verhandlungen unter 69 Mitarbeitern durch: 186 Deals, über 4.000 USD Volumen, Opus übertraf Haiku – aber die Teilnehmer bemerkten keinen Unterschied.
Virginia-Tech-Preprint zeigt: Modell-native Fähigkeiten via Sparse Autoenkodern übertreffen manuell erstellte Skill-Dateien beim Fine-Tuning von Llama-3 und Qwen 2.5.
Neues Paper: Flüssige KI-Ausgaben führen zu unbewusstem Selbstzuschreiben, wachsendem Vertrauen und stillem Kompetenzschwund in vier Bereichen.
TACO reduziert agentischen Token-Overhead bei Terminal-Agenten um ~10% auf SWE-Bench durch aus Trajektorien erlernte Kompressionsregeln.
Google DeepMinds Vision Banana zeigt, dass Bildgenerierungsmodelle Segmentierung, Tiefe und Normalen auf SOTA-Niveau leisten – ohne Architekturänderungen.
Ein 1,7B-Modell übertrifft GLM-5 (744B) im Schema Guided Dialogue trotz beschädigter Trainingsdaten – 437-facher Parameterunterschied umgekehrt.
CoInteract löst räumlich strukturierte Ko-Generierung für physikalisch konsistente Mensch-Objekt-Interaktion in Synthesevideos.
Neues Preprint: LLMs ermöglichen Pro-Se-Bundesgerichtsklagen in beispiellosem Ausmaß – erster empirischer Beleg, dass KI effort-gebundene Systeme bricht.
MITs neue Kunstmuskelfasern nutzen Ionenpumpen statt Motoren – leise, skalierbar und stark genug, um Roboterarme zu bewegen und Hände zu schütteln.
Anthropics neue monatliche Economic Index Umfrage fragt Claude-Nutzer nach KI-Auswirkungen auf ihre Arbeit — gestützt auf eine Studie mit 81.000 Teilnehmern.
MILKYWAY hält GPT-5.4 eingefroren und verlagert das Lernen in editierbare Skill.md-Dateien — und erzielt 61% vs. 44% in Zukunfts-Vorhersage-Benchmarks.
Kuratierte AI-Einblicke — wir senden, wenn es sich lohnt.