Architektur-Innovation

OpenAI entwickelt unter Druck ein neues Flaggschiff-Modell basierend auf Looped Transformers – eine Technik, die Mathematik und Code verbessert, aber Sicherheitsrisiken birgt.

Drei Modelle verfolgen unterschiedliche Strategien, um KI-Systeme leistungsfähiger zu machen.

Anthropic präsentierte auf der AI Engineer New York ein Koordinations-Framework für Claude-Agenten, das von Unix- und Linux-Prinzipien inspiriert ist.

Sakana AI entwickelt ein System, in dem sich ein Sprachmodell selbst optimiert, erreicht aber auch ein kritisches Problem: Fehler können unbemerkt als Fortschritt weitergegeben werden.

Forscher erweitern LeCuns JEPA-Architektur zu einem universellen Weltmodell, das von Robotik bis Krebsforschung funktioniert – und generieren dabei erste Therapie-Vorschläge.

Reka AI zeigt mit Rho-1 ein 19-Milliarden-Parameter-Modell, das Text, Bilder, Videos und Robotersteuerung vereint und dabei nur einen Bruchteil der üblichen Trainingsressourcen benötigte.

Neue Methode verhindert, dass sich selbst verbessernde KI-Agenten nur Testaufgaben auswendig lernen – mit bis zu 4,7 Punkten besserer Performance auf unsichtbaren Benchmarks.

Deepmind-Forscher argumentieren, dass echte KI-Intelligenz nicht aus einem einzelnen Supermodell entsteht, sondern aus kooperierenden Agenten-Netzwerken – Größe sei weniger wichtig als die richtige Architektur und Spielregeln.

Claude Code hat zwei unterschiedliche Gedächtnistypen, die zusammenwirken, um Coding-Aufgaben effizienter zu bewältigen.

Das Allen Institute präsentiert Olmo-core 3, eine skalierbare Open-Source-Infrastruktur zum Trainieren großer MoE-Modelle.

Ein neues Optimierungsverfahren beschleunigt Vision-Language-Modelle erheblich, ohne dabei Genauigkeit einzubussen.

Text-Diffusionsmodelle stellen den klassischen Token-Vorhersage-Ansatz in Frage und eröffnen neue Wege für Sprachgenerierung, bringen aber auch eigene technische Tradeoffs mit sich.

Ein Blick in die RSI-Post-Training-Pipeline – das Verfahren, das moderne Frontier-Modelle bereits bei ihrer Optimierung einsetzen.

Forscher nutzen physikalische Optimierungsmethoden, um Sprachmodelle effizienter zu beschneiden und dabei ihre Leistung zu bewahren.

Google und DeepMind nutzen ein neues Verfahren (Dream-RSI), das KI-Agenten in aufgezeichneten Suchverläufen trainiert – statt jede neue Strategie neu durchzurechnen.

Google DeepMind stellt Dream-RSI vor – eine Technik, die AI-Entdeckungsprotokolle in einen Simulator umwandelt, um tausende Explorationsstrategien zu testen.

Ein persönliches KI-Gedächtnis funktioniert für eine Person – aber teams brauchen eine andere Architektur, um Informationen sicher zu teilen und zuzugreifen.

TypeSafe stellt Jev vor, ein spezialisiertes Modell für Klassifizierung und Routing, das frontier LLMs um das 100-fache überbietet und 200x günstiger ist.

Wie Systemdesign und Architektur Modell-Fähigkeiten in praktisch nutzbare Anwendungen übersetzen.

Drei führende KI-Labs bestätigen nun öffentlich, dass ihre Modelle ihnen beim Aufbau neuer Modelle helfen – und diese Automatisierung könnte die Industrie transformieren.