Beiträge im Ressort Forschung auf Beckmann.https://beckmann.aide-DEhttps://beckmann.ai/forschung/2026-07/gpt-56-widerlegt-statistik-annahmehttps://beckmann.ai/forschung/2026-07/gpt-56-widerlegt-statistik-annahmeDer Wharton-Statistiker Edgar Dobriban hat mit dem KI-Modell GPT-5.6 Sol Pro eine seit zwanzig Jahren geltende Annahme des Benjamini-Hochberg-Verfahrens widerlegt. Das Modell fand in rund neunzig Minuten ein Gegenbeispiel, während der Vorgänger GPT-5.5 nach mehr als zwanzig Stunden ergebnislos blieb. Das 1995 eingeführte Verfahren zur Kontrolle falscher Entdeckungen gilt in der Statistik als eine der einflussreichsten Methoden.Thu, 16 Jul 2026 05:17:58 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/claude-werte-sprachstudiehttps://beckmann.ai/forschung/2026-07/claude-werte-sprachstudieEine neue Auswertung von 309.815 Claude-Gesprächen zeigt: Ton und Vorsicht der Antworten hängen stark von der verwendeten Sprache und Modellversion ab. Auf Hindi und Arabisch reagiert das KI-Modell wärmer, auf Englisch und Russisch strenger und kritischer. Die vier gemessenen Werte-Achsen erklären laut Anthropic nur rund 15 Prozent dieser Unterschiede.Wed, 15 Jul 2026 22:23:38 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/soofi-s-deutsches-ki-modellhttps://beckmann.ai/forschung/2026-07/soofi-s-deutsches-ki-modellEin deutscher Forschungsverbund hat Soofi S veröffentlicht, ein offenes Sprachmodell mit 31,6 Milliarden Parametern für Deutsch und Englisch. Trainiert wurde es auf der Industrial-AI-Cloud der Deutschen Telekom in München, gefördert mit rund 20 Millionen Euro vom Bundeswirtschaftsministerium. Die Entwickler melden Bestwerte unter offenen Modellen in kombinierten Deutsch-Englisch-Benchmarks, unabhängig geprüft sind diese Werte bislang nicht.Wed, 15 Jul 2026 13:03:10 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/google-sensorfm-gesundheits-kihttps://beckmann.ai/forschung/2026-07/google-sensorfm-gesundheits-kiEin neues KI-Modell von Google Research namens SensorFM liefert für 34 von 35 getesteten Gesundheitsaufgaben bessere Vorhersagen als bisherige Spezialmodelle. Trainiert wurde das System mit Sensordaten aus Smartwatches von fünf Millionen Personen, gesammelt über ein Jahr hinweg. Die Ergebnisse stammen aus einer am 9. Juli 2026 veröffentlichten Studie; ein öffentlicher Modellzugang existiert bislang nicht.Tue, 14 Jul 2026 05:26:50 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/oak-lab-sutton-ki-agentenhttps://beckmann.ai/forschung/2026-07/oak-lab-sutton-ki-agentenReinforcement-Learning-Pionier Richard Sutton hat gemeinsam mit Khurram Javed das KI-Unternehmen Oak Lab gegründet. Die beiden verließen dafür John Carmacks Start-up Keen Technologies. Oak Lab entwickelt Lernalgorithmen, die Agenten direkt aus Erfahrung statt aus gespeicherten Datensätzen trainieren. Langfristiges Ziel ist ein Billionen-Parameter-Agent, der mit rund zwanzig Watt lernt und plant.Tue, 14 Jul 2026 01:35:37 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/agentic-sts-ki-gedaechtnis-agentenhttps://beckmann.ai/forschung/2026-07/agentic-sts-ki-gedaechtnis-agentenEin Forschungsteam verdoppelt mit dem neuen Gedächtnissystem AgenticSTS die Gewinnquote eines KI-Agenten im Kartenspiel Slay the Spire 2 von drei auf sechs von zehn Partien. Statt eines wachsenden Chatprotokolls nutzt der Agent fünf getrennte Speicherschichten, wodurch der Tokenverbrauch konstant bleibt. Bei zehn Durchläufen je Konfiguration gilt der Unterschied laut den Autoren als statistisch nicht abgesichert.Mon, 13 Jul 2026 06:31:43 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/gpt-56-sol-ultra-graphentheorie-beweishttps://beckmann.ai/forschung/2026-07/gpt-56-sol-ultra-graphentheorie-beweisOpenAI hat am 10. Juli 2026 einen mutmaßlichen Beweis für die fünfzig Jahre alte Cycle-Double-Cover-Vermutung veröffentlicht, erstellt vom Sprachmodell GPT-5.6 Sol Ultra in unter einer Stunde mit 64 Teilprogrammen. Der Prompt enthielt die Vorgabe, von einem existierenden Beweis auszugehen, was in der Fachcommunity Zweifel an der Aussagekraft weckt. Eine unabhängige Prüfung durch Mathematiker steht noch aus.Sun, 12 Jul 2026 02:20:59 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/orca-baai-weltmodell-robotikhttps://beckmann.ai/forschung/2026-07/orca-baai-weltmodell-robotikDas Pekinger Forschungsinstitut BAAI hat mit Orca ein Weltmodell vorgestellt, das aus 125.000 Stunden Video und 160 Millionen Ereignisbeschreibungen lernt. Das Modell übertrifft in Tests größere Konkurrenzsysteme bei Text- und Bildaufgaben und erreicht bei der Robotersteuerung das Niveau spezialisierter Systeme, obwohl es beim Vortraining keine einzige Aktionskennzeichnung sah.Sun, 12 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/openai-swe-bench-pro-fehlerhafthttps://beckmann.ai/forschung/2026-07/openai-swe-bench-pro-fehlerhaftOpenAI hat den vielgenutzten Coding-Benchmark SWE-Bench Pro (Anbieter: Scale AI) auditiert und schätzt, dass rund 30 Prozent der 731 öffentlichen Testaufgaben fehlerhaft sind – etwa durch zu strenge Tests, unterspezifizierte Aufgaben, zu nachsichtige Prüfungen oder irreführende Beschreibungen. Ein Beispiel: Eine Aufgabe verlangte im sichtbaren Text ein Leerzeichen, der versteckte Test aber zwei, wodurch korrekte Lösungen durchfielen. OpenAI zieht seine frühere Empfehlung zur Nutzung von SWE-Bench Pro zurück und ruft zu neuen, von erfahrenen Entwicklerinnen und Entwicklern konzipierten Benchmarks auf. Die Zahlen stammen aus OpenAIs eigenem Audit vom 8. Juli 2026 und sind bislang nicht unabhängig extern verifiziert.Fri, 10 Jul 2026 12:30:15 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08716https://beckmann.ai/forschung/2026-07/arxiv-2607-08716arXiv:2607.08716 – Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents beschreibt einen separaten Memory-Agenten, der bei lang laufenden KI-Agenten aktiv entscheidet, wann eine gespeicherte Erinnerung in den nächsten Handlungsschritt eingespeist werden soll. In Tests mit Terminal-Bench und τ²-Bench steigert das die Erfolgsquote um 6,8 bis 8,3 Prozentpunkte.Fri, 10 Jul 2026 09:11:53 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08734https://beckmann.ai/forschung/2026-07/arxiv-2607-08734arXiv:2607.08734 – The Illusion of Equivalency: Statistical Characterization of Quantization Effects in LLMs: Der Preprint zeigt, dass Post-Training-Quantisierung von Sprachmodellen schon bei moderater Bit-Reduktion das konkrete Antwortverhalten verändert – selbst wenn klassische Genauigkeits- oder Perplexitäts-Metriken keine Veränderung anzeigen.Fri, 10 Jul 2026 08:40:04 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08740https://beckmann.ai/forschung/2026-07/arxiv-2607-08740arXiv:2607.08740 – Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows: Der Preprint schlägt ein Konzept vor, bei dem LLM-Workflows, ihre laufenden Instanzen sowie damit verknüpfte Modell- und Entscheidungs-Datensätze als dauerhafte, abfragbare Wissensobjekte statt als flüchtige Logs gespeichert werden – mit einer klaren Trennung zwischen deterministischer Berechnung („derive“) und modellvermitteltem Urteil („infer“).Fri, 10 Jul 2026 08:13:37 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08745https://beckmann.ai/forschung/2026-07/arxiv-2607-08745Der arXiv-Preprint arXiv:2607.08745 – AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding stellt einen Benchmark mit über 600 Dashcam-Clips und 6.000+ Frage-Antwort-Paaren vor, der prüft, wie gut KI-Systeme sicherheitskritische Verkehrsvorfälle verstehen – mit deutlicher Leistungsstreuung zwischen den getesteten Ansätzen.Fri, 10 Jul 2026 06:36:44 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08758https://beckmann.ai/forschung/2026-07/arxiv-2607-08758arXiv:2607.08758 – Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation: Der Preprint stellt IdeaGene-Bench vor, einen Benchmark mit 1.961 Abstammungslinien wissenschaftlicher Ideen aus 10 Fachgebieten. Er misst, wie gut KI-Modelle nachvollziehen, welche früheren Arbeiten eine neue Idee aufgreift, repariert oder neu kombiniert – aktuelle Systeme erreichen dabei nur 27,3 % exakte Genauigkeit.Fri, 10 Jul 2026 06:20:32 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08748https://beckmann.ai/forschung/2026-07/arxiv-2607-08748arXiv:2607.08748 – Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis: Eine großangelegte Auswertung objektiver Nutzungsdaten von 77.543 Fernstudierenden zeigt, wie der KI-Lernassistent Syntea im Studienalltag eingesetzt wird und wo sich Nutzungsunterschiede nach Geschlecht, Altersgruppe, Studiencluster, Abschluss und Studienform zeigen.Fri, 10 Jul 2026 04:58:16 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-07321https://beckmann.ai/forschung/2026-07/arxiv-2607-07321arXiv:2607.07321 – From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents: Der arXiv-Preprint 2607.07321 stellt das Framework EvoSOP vor, mit dem LLM-Agenten aus wiederkehrenden Aktionsfolgen eigenständig wiederverwendbare Standard Operating Procedures (SOPs) bauen, zusammenführen, bewerten und bei Bedarf wieder verwerfen – ohne dass das zugrunde liegende Modell neu trainiert werden muss.Fri, 10 Jul 2026 01:10:31 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08573https://beckmann.ai/forschung/2026-07/arxiv-2607-08573arXiv:2607.08573 – SHAP-Weighted Cross-Modal Expert Fusion for Emotion and Sentiment Recognition: Evidence and Limits untersucht, ob eine auf TreeSHAP-Attributionen basierende, erklärbare Gewichtung von Text-, Audio- und Video-Experten bei der Emotions- und Stimmungserkennung ähnlich gut abschneidet wie klassische Fusionsverfahren – bei zusätzlichem Gewinn an Nachvollziehbarkeit.Fri, 10 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08602https://beckmann.ai/forschung/2026-07/arxiv-2607-08602arXiv:2607.08602 – Towards Precision Therapy in Hepatocellular Carcinoma: A Clinical-Reasoning LLM for Risk Stratification and Treatment Guidance – Ein arXiv-Preprint stellt HCC-STAR vor, ein aus Patientenakten trainiertes Sprachmodell, das bei Leberkrebs Stadium, Therapieempfehlung und individuelle Überlebensprognose liefert und in einer Studie mit 6.668 Patient:innen bessere Ergebnisse erzielte als etablierte Leitlinien und GPT-5.Fri, 10 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08625https://beckmann.ai/forschung/2026-07/arxiv-2607-08625arXiv:2607.08625 – The complexities of patient-centred conversational artificial intelligence – Ein arXiv-Preprint zeigt anhand von über 2.000 echten Patientengesprächen und 1.164 klinisch bewerteten Fällen, dass allein der Kommunikationsstil – unabhängig vom medizinischen Inhalt – die von KI-Chatbots vergebene Dringlichkeitsstufe deutlich verschiebt.Fri, 10 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08652https://beckmann.ai/forschung/2026-07/arxiv-2607-08652arXiv:2607.08652 – Formal Mechanisms for Market Stability in Self-Interested Agent Societies: A Marketplace Simulation Study – Ein arXiv-Preprint testet acht Regelwerke für Handelsmärkte aus KI-Agenten und findet, dass ein neutraler Vermittlungsmechanismus (Mediation) am besten funktioniert und selbst gezielten Angriffen standhält, ohne den Markt kollabieren zu lassen.Fri, 10 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2607-08681https://beckmann.ai/forschung/2026-07/arxiv-2607-08681arXiv:2607.08681 – SolarChain-Eval: A Physics-Constrained Benchmark for Trustworthy Economic Agents in Decentralized Energy Markets stellt eine Simulationsumgebung vor, in der autonome KI-Agenten dezentrale Energiemärkte steuern und dabei nach Marktnutzen, physikalischer Sicherheit, Marktverzerrung, Fairness und Nachvollziehbarkeit bewertet werden.Fri, 10 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2606-15954https://beckmann.ai/forschung/2026-07/arxiv-2606-15954arXiv:2606.15954 – Green SARC: Predictive Cost and Carbon Governance for Agentic AI Systems. Das Paper stellt Green SARC vor: ein Governance-Framework, das die finanziellen und ökologischen Kosten von KI-Agenten nicht erst nachträglich auf einem Dashboard prüft, sondern über ein kalibriertes Vorhersage-Gate schon vor jeder Aktion begrenzt. Ein verteilungsfreies Konfidenzverfahren garantiert dabei eine Obergrenze für die Wahrscheinlichkeit einer Budgetüberschreitung.Thu, 09 Jul 2026 20:20:25 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2606-15956https://beckmann.ai/forschung/2026-07/arxiv-2606-15956arXiv:2606.15956 – You Don't Need Strong Assumptions: Visual Representation Learning via Temporal Differences. Das Paper stellt Temporal Difference in Vision (TDV) vor: Ein Bild- und ein Bewegungs-Encoder werden gemeinsam trainiert, sodass die Repräsentation des aktuellen Videobildes plus die kodierte Bewegung die Repräsentation des nächsten Bildes vorhersagt – ganz ohne Cropping, Masking oder Augmentierung. TDV erreicht dabei eine mit etablierten Methoden wie DINO oder iBOT vergleichbare Qualität bei Aufgaben mit feinem räumlichem Verständnis.Thu, 09 Jul 2026 19:42:24 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2606-15963https://beckmann.ai/forschung/2026-07/arxiv-2606-15963arXiv:2606.15963 – PreLort: Prefix-Nested LoRA for Federated Fine-Tuning under Rank Heterogeneity. PreLort ist eine neue Federated-Learning-Methode, die LoRA-Adapter unterschiedlicher Größe über eine Präfix-Hierarchie so trainiert und zusammenführt, dass Geräte mit wenig Rechenleistung stärker von leistungsfähigeren Geräten profitieren – bei höherer Genauigkeit als bisherige Verfahren.Thu, 09 Jul 2026 17:51:40 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2606-15943https://beckmann.ai/forschung/2026-07/arxiv-2606-15943arXiv:2606.15943 – Graphical-Probabilistic Modeling of Generative Flows in LLM-Native Software Systems. Ein arXiv-Preprint schlägt „Generation Networks" vor: ein grafisch-probabilistisches Modell, das LLM-basierte Softwaresysteme als Data-Dependency-Graphs und Bayes-Netze beschreibt, um deren stochastisches Verhalten formal zu erfassen und Designentscheidungen quantitativ zu vergleichen.Thu, 09 Jul 2026 00:00:00 GMTForschungBrian Beckmannhttps://beckmann.ai/forschung/2026-07/arxiv-2606-15959https://beckmann.ai/forschung/2026-07/arxiv-2606-15959arXiv:2606.15959 – Quantifying the Impact of Lossy Compression on Neural Generative Surrogate Modeling untersucht, wie stark sich Trainingsdaten für neuronale Surrogatmodelle in der Wissenschaft verlustbehaftet komprimieren lassen. Die Autoren zeigen an zwei Simulationsanwendungen Speichereinsparungen um das 23,7- bis 39-Fache bei kaum messbarem Qualitätsverlust.Thu, 09 Jul 2026 00:00:00 GMTForschungBrian Beckmann