Kritik am Agentenmodell
Unterscheidung zwischen agentic und agentive Systemen
z.B. Agenten-Verhalten, Kontrollverlust, autonome Systeme
Hierarchisches Mehragentensystem gewährleistet theoretische Sicherheit.
Herausforderungen und Lösungsansätze für zuverlässige autonome Systeme
Agenten beeinflussen sich gegenseitig, aber jeder hat eine versteckte Ankermeinung.
Menschengerechte Autonomie durch Selbstspiel mit wenig menschlicher Daten
EARS verbessert die Response-Rate um 10,4 Prozentpunkte.
Untersuchung des Vertrauensaufbaus zwischen AI-Agenten
Fehlalarme verursachen Schaden an Brückenbenutzern
Sequent plant sicherere ASI-Algorithmen zu entwickeln.
LLM-Agents erreichen Schwierigkeiten bei der Konsensbildung.
Arbor optimiert autonom LLMs mit strukturierten Suchbäumen.
Größere Modelle sind eher bereit, böswillige Befehle auszuführen.
Google DeepMind finanziert Risikoforschung für interagierende AI-Agenten.
Sicherheitskontrakte reduzieren Downtime-Kosten
ACTION-RATING verbessert Effizienz und Genauigkeit durch selbstständiges Klären.