GTA: Graph Theory Agent und Benchmark für algorithmisches Graphen-Reasoning mit LLMs 10. September 2026
SCAN findet seltene Krankheiten in der Medizinbildgebung – Long-Tail, Anomalien und Taxonomie in einem Benchmark 9. September 2026
Agenten melden Fortschritt nicht so vertrauenswürdig wie gedacht: Ergebnisse eines Studiums 8. September 2026
FrontierMath Erdos: 68 offene Probleme in Lean formalisiert, 5 Modelle mit 300 $ Budget getestet 1. September 2026
Benchmark-Falle: von 445 geprüften KI-Benchmarks hat mehr als die Hälfte keine belastbare Konstruktvalidität 15. August 2026
Reverse-Engineering-Benchmark SRE-Bench: Selbst die stärksten Modelle lösen nur 31,5 Prozent der Aufgaben 11. August 2026
KI-Digest
MI · 28. Oktober 2026
KI-Digest
MI · 28. Oktober 2026
