Bilanz der Quelle: Eine arXiv-Studie analysiert 400 Trajektorien von vier offenen Reasoning-Modellen auf SWE-bench Pro und zeigt, dass fehlerhafte Behauptungen im Chain-of-Thought in 96,7 Prozent der gelösten Fälle auftreten. Die Korrektur der tragenden Behauptung behebt in 89 Prozent der Fälle den Folgefehler.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Einordnung in die Rubrik Die Schattenseiten der Entwicklung
Dieser Beitrag erfüllt ein Kriterium der Rubrik. Belegt ist das durch:
- Technisches Versagen in der Zusammenfassung — „Eine arXiv-Studie analysiert 400 Trajektorien von vier offenen Reasoning-Modellen auf SWE-bench Pro und zeigt, dass fehlerhafte Behauptungen im Chain-of-Thought in 96,7 Prozent der gelösten Fälle auftreten.“
Kriterien der Rubrik — Technisches Versagen: Ausfall, Absturz, Panne oder Rückruf. Die Rubrik steht zusätzlich zur Themenspalte: der Beitrag bleibt in seinem Ressort.
Quellen dieses Beitrags: Original · Wayback Machine
Querverweise — andere Meldungen der Rubrik aus demselben Zeitraum oder von derselben Quelle:
- Anthropic weist formale Beweise in 123 Open-Source-Bibliotheken nach: 239 Einstiegspunkte ohne Crash bei Inputs bis 64 MB — 180 Millionen Zeilen Rocq und Bugfunde, die Trillionen Fuzzing-Läufen entgangen waren
- GitLab stopft eine CVSS-10,0-Lücke in der mitgelieferten Regex-Engine Onigmo — Code-Ausführung vor dem Login auf jeder Version seit 7.0 aus dem Jahr 2014, sieben Fixes auf einen Schlag
- PHP2Shell zwingt praktisch jeden Webserver zum Update: zwei unauthentifizierte RCE-Lücken (CVSS 9,2) in PHP ab Version 5.4, Notfall-Patches am 21. Oktober — gefunden mit GPT-5.6 Sol nach zwei Monaten koordinierter Offenlegung
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
