Multi-Agent Sicherheit
Neue Sicherheitsrisiko-Klasse CFVs in Multi-Agent Systemen untersucht.
z.B. Agenten-Verhalten, Kontrollverlust, autonome Systeme
Neue Sicherheitsrisiko-Klasse CFVs in Multi-Agent Systemen untersucht.
Architektur beeinflusst Aufgabenleistung und Sicherheit in MAS
Studie zeigt weit verbreitetes Alignment Faking bei Sprachmodellen.
Caesar generiert kreative Antworten durch den Einsatz eines Wissensgraphen.
Peer-Preservation stellt erhebliche Sicherheitsrisiken dar.
ARES verbessert die Sicherheit von LLMs durch systematische Schwachstellenanalyse.
AI-Forscher produzieren Ergebnisse ohne wissenschaftliches Denken
GPT-5.4 überarbeitet Agents SDK, schließt Infrastruktur-Lücken.
Numerische Instabilität führt zu unvorhersehbarer Ausgabe von Sprachmodellen.
WebXSkill schließt Lücke zwischen textuellen und ausführbaren Fähigkeiten.
Probabilistisches Modell zur Allokation von Verantwortung
Blaue Agenten lernen, Werbeanzeigen zu vermeiden.
OpenKedge ermöglicht sichere Zustandsänderungen in autonomer AI.
LLM-Agenten kooperieren eher als sie auf Nash-Gleichgewichte zusteuern.