584 Läufe, sechs Coding-Agenten: Die Wiederholungsstreuung ist größer als der Unterschied zwischen den Agenten 27. September 2026
Fiatlux: Benchmark für langwierige Humanoiden-Aufgaben – Unitree G1 steigt eine Leiter und wechselt eine Glühbirne aus 27. September 2026
OpenAI veröffentlicht MentalHealthBench — Benchmark mit 80+ Experten aus 22 Ländern 23. September 2026
Do Not Trust the Benchmark: Five Reasons Why General LLM-Ranklists Are Not Sufficiently Informed 19. September 2026
RecreationWorld erzwingt 250 Aufgaben über fünf Plattformen mit einer strikten Regel 18. September 2026
KI-Digest
FR · 30. Oktober 2026
KI-Digest
FR · 30. Oktober 2026
