45.632 Ausführungen, 21,4 Prozentpunkte Streuung im Suchgewinn – Vorhersager erklären weniger als zwei Prozent 26. Oktober 2026
AM-Bench misst agentische Fehlausrichtung in 35 Szenarien: 62 Prozentpunkte Abstand zwischen den Modellen 23. Oktober 2026
Technion-Studie: Ranglisten kippen, sobald man die Formulierung ändert – kein der elf getesteten Modelle generalisiert gleichmäßig 3. Oktober 2026
SHAD: voll annotierter Benchmark für Zeitreihen-Anomalien mit Raumlicher Erklärbarkeit 2. Oktober 2026
54 % der Ergebnisvarianz eines Agenten sind Wiederholungsrauschen: Was Benchmarks misst, ist mehr als Zufall 1. Oktober 2026
Benchmark-Fehler entdeckt: Zwei 600M- und 1,1B-Modelle gleichauf bei 0,660 zu 0,650, aber 6 von 6 zu 0 von 6 gültigen Tool-Calls 1. Oktober 2026
KaliBench: Eine feine-granular Befehlsbenchmark für die Übersetzung von Analystenabsichten in echte Kommandozeilen-Aufrufe auf Kali Linux 1. Oktober 2026
KI-Digest
MI · 28. Oktober 2026
KI-Digest
MI · 28. Oktober 2026
