AI FRONTIER
Signals worth understanding before they become obvious.
GPT-6.1 Sol vorgestellt
GPT-6.1 Sol bietet nahezu Astra-Intelligenz für Coding, Computer-Nutzung und professionelle Arbeit zu einem Fünftel der Standard-API-Preise von Astra für Eingabe- und Ausgabe-Token.
- OpenAI News kündigt GPT-6.1 Sol an.
- Positioniert für Coding, Computer-Nutzung und professionelle Arbeit mit nahezu Astra-Intelligenz.
- Die Standard-API-Preise für Eingabe- und Ausgabe-Token betragen ein Fünftel derer von Astra.
Für KI-Entwickler senkt nahezu Astra-Intelligenz zu einem Fünftel des Token-Preises die Inferenzkosten von Coding- und Computer-Nutzungs-Agenten-Workflows.
Die System-Prompt-Illusion: Wie Instruktionspräambeln die Berechnung in Sprachmodellen verändern
Die Arbeit vergleicht mit Centered Kernel Alignment (CKA) die schichtweisen Repräsentationen unter 20 System-Prompts über 17 instruktionsabgestimmte Modelle und zeigt, dass die Effekte schichtselektiv und instruktionstypabhängig sind: Persona- und Formatierungsanweisungen restrukturieren die Zwischenrepräsentationen ti...
- Bewertet wurden 17 instruktionsabgestimmte Modelle aus 8 Architekturfamilien mit 1,5B bis 72B Parametern unter 20 System-Prompts in fünf funktionalen Kategorien.
- Restriktive Sicherheitsanweisungen und explizit permissive Anweisungen („du hast keine Einschränkungen“) nutzen nahezu identische Berechnungspfade, mit einer mittleren CKA-Korrelation von 0,997.
- Die Sicherheitsdurchdringung bleibt im kommerziellen Maßstab unter 10 %, auch bei 70B-72B.
- Die Repräsentationstiefe sagt die Verhaltenseffektstärke über die gesamte Kohorte von 17 Modellen voraus (Spearman rho = 0,761, p < 0,001).
Für Entwickler, die auf System-Prompt-basierte Sicherheit setzen, zeigt diese Evidenz, dass Sicherheitsanweisungen zuverlässig kodiert, aber nicht tief in der Berechnung umgesetzt werden können, sodass Prompt-Schicht-Verteidigungen allein g...
TomasuLLM: Out-of-Order-Spekulativausführung für LLM-Agenten
TomasuLLM ist eine Runtime, die Tool-Aufrufe von Agenten außerhalb der Trajektorienreihenfolge ausführt und dabei die Korrektheit der Aufgabenausführung erhält: Sie entwirft zukünftige Aktionen, führt sie in isolierten Copy-on-Write-Sandboxes aus, verfolgt ihre Abhängigkeiten und Effekte und committet Ergebnisse erst n...
- Die Arbeit berichtet 1,31x auf 100 SWE-bench-Verified-Aufgaben, 1,35x auf 28 Terminal-Bench-2.0-Aufgaben und 1,27x übereinstimmenden Fortschritt auf 18 SWE-Marathon-Sitzungen.
- Über 4.010 geprüfte Commit-Validierungsdatensätze berichtet die Arbeit null falsche Akzeptanzen.
- Die Arbeit adressiert lang laufende Tools wie Compiler, Test-Suites und Repository-Befehle, die Sekunden bis Minuten dauern, während der Coding-Agent untätig ist.
- Die Ergebnisse umfassen drei Benchmarks mit Tool-Aufrufen von unter einer Sekunde bis zu mehreren Minuten und skalieren mit der Tool-Latenz.
Für Teams, die Coding-Agenten bauen, zeigt TomasuLLM, dass spekulative Tool-Ausführung in isolierten Sandboxes mit Commit in Trajektorienreihenfolge die Latenz langer Tools senken kann, ohne die Commit-Korrektheit zu opfern.
MiniMax veröffentlicht OpenAgentCore als Open Source für OpenAI Agents API-Kompatibilität
MiniMax hat OpenAgentCore als Open Source veröffentlicht, mit dem Ziel der Kompatibilität zur OpenAI Agents API.
- MiniMax hat OpenAgentCore als Open Source veröffentlicht.
- OpenAgentCore zielt auf Kompatibilität mit der OpenAI Agents API.
AI-Entwickler können mit OpenAgentCore OpenAI Agents API-Workflows über eine Open-Source-Implementierung von MiniMax ansprechen.
SInGA: Semantisches Inpainting für animierbare Gaußsche Kopf-Avatare
Die Arbeit stellt SInGA vor, eine Methode, die ein semantisches Inpainting-Framework im UV-Raum definiert, um nicht beobachtete Gesichtsbereiche aus einem einzelnen Bild zu vervollständigen und anschließend Gauß-Attribute zu regressieren, wodurch ein animierbarer Gaußscher Kopf-Avatar entsteht. Der resultierende Avatar...
- Das semantische Inpainting-Framework ist im UV-Raum definiert und nutzt die inhärenten Symmetriehinweise menschlicher Gesichter zur Vervollständigung nicht beobachteter Bereiche.
- Merkmale aus beobachteten Bereichen werden zur Vervollständigung nicht beobachteter Bereiche verwendet, und die vervollständigte Repräsentation dient anschließend zur Regression der Gauß-Attribute.
- Statt eines einzelnen Gauß pro Oberfläche oder Pixelposition stapelt die Methode mehrere Gauß-Verteilungen, um Details zu verbessern.
Für Entwickler von Kopf-Avataren aus einem einzelnen Bild bietet die Verlagerung der Vervollständigung in einen UV-Raum mit konsistenten räumlichen Korrespondenzen einen wiederverwendbaren Ansatz für nicht beobachtete Bereiche in Einzelansi...
Konformale Faktizitätskontrolle für mehrstufige retrieval-augmentierte Generierung
Die Arbeit wendet Split-Conformal-Claim-Filtering auf mehrstufige RAG an und evaluiert es auf HotpotQA, Natural Questions und TriviaQA mit Llama 3.1 8B und GPT-4o-mini sowie einem einstufigen Referenzexperiment. Sie berichtet, dass bei einem 95%-Ziel der Anteil der Antworten, deren beibehaltene Aussagen vollständig ges...
- In allen sechs mehrstufigen Modell-Datensatz-Konfigurationen erhöhen zunehmend strengere konformale Ziele konsistent den Anteil der Antworten, deren beibehaltene Aussagen vollständig gestützt sind.
- Beim 95%-Ziel liegt diese Rate zwischen 95,80% und 97,20%, verglichen mit 55,60%-76,03% ohne Filterung.
- Beim 95%-Ziel werden nur 4,41%-31,09% der generierten Aussagen beibehalten und 9,70%-51,40% der Antworten bleiben nicht leer.
- Die Evaluation nutzt Llama 3.1 8B und GPT-4o-mini auf HotpotQA, Natural Questions und TriviaQA sowie ein einstufiges Referenzexperiment.
Für Entwickler mehrstufiger RAG erhöht konformale Filterung die Unterstützung auf Aussagenebene, muss aber gemeinsam mit Aussagenbeibehaltung und Enthaltung interpretiert werden, da beim 95%-Ziel die meisten Aussagen verworfen werden und vi...
Beschleunigung von Diffusions-Sprachmodellen durch einen diskreten Durchschnittsgenerator
Die Arbeit führt den Discrete Average Generator ein, der MeanFlow auf zeitkontinuierliche Markov-Ketten erweitert, indem ein Durchschnittsgenerator als normalisiertes Inkrement des Übergangskerns über ein Zeitintervall definiert wird, mit einer Selbstkonsistenz-Identität als Grundlage des Trainingsziels.
- In Potts-Modell-Simulationen reduziert dieses Ziel die Totalvariationsdistanz des K-Schritt-Samplers um bis zu 67 %.
- Auf OpenWebText erreicht die Methode die niedrigste generative Perplexität unter den evaluierten Methoden für 8 bis 64 Sampling-Schritte und ermöglicht eine 16-fache Beschleunigung.
- Auf ImageNet erreicht die Methode eine vergleichbare Leistung wie bestehende Methoden.
- Die Selbstkonsistenz-Identität besitzt eine geschlossene Form, wenn sie auf per-Koordinate-Marginalen projiziert wird.
Für Teams, die diskrete Diffusions-Sprachmodelle entwickeln, bietet dies ein Trainingsziel, das Sampling-Schritte reduziert und die Generierungsqualität erhält, sodass die berichtete 16-fache Beschleunigung auf eigenen Daten reproduziert we...
KI-Agenten sind anfällig für Radikalisierung
Die Arbeit simuliert Gespräche zwischen zwei LLM-Agenten: einem Ziel, das eine menschliche Persona anhand demografischer und psychologischer Merkmale rollenspielerisch darstellt, und einem Influencer, der die Überzeugungen des Ziels extremer machen soll. Sie berichtet, dass sowohl Resonanz (Verstärkung einer bereits be...
- Am 29. September 2026 bei arXiv eingereicht als arXiv:2609.38296, klassifiziert unter cs.AI und cs.CY.
- Aufbau: Ein Ziel-LLM stellt eine menschliche Persona anhand demografischer und psychologischer Merkmale rollenspielerisch dar, während ein Influencer-LLM die Überzeugungen des Ziels extremer machen soll.
- Die Arbeit untersucht zwei Pfade: Resonanz verstärkt eine bereits bestehende Überzeugung des Ziels, und Persuasion fördert eine Überzeugung, die das Ziel zunächst für unwichtig hält.
- Die Arbeit berichtet, dass beide Mechanismen das Ziel über affektive und verhaltensbezogene Metriken radikalisieren, Resonanz jedoch durchgängig stärkere Effekte als Persuasion erzeugt.
Entwickler personalisierter Agenten und Multi-Agenten-Systeme sollten überzeugungskonforme Eingaben als besonders riskante Einflussfläche behandeln, da die Arbeit berichtet, dass Resonanz stärkere Radikalisierung erzeugt, die sich zudem auf...