#LLM
Alle Beiträge
KI-Reasoning erklärt: Warum Denkprozesse von KI kein Sicherheitsbeweis sind
Chain-of-Thought macht KI-Modelle scheinbar transparenter. Doch als Sicherheitsbeweis taugen Reasoning-Traces dort nicht, wo Audits sie brauchen.
Warum ChatGPT plötzlich Goblins liebte: Reward-Hacking im KI-Training
Reward Hacking im KI-Training erklärt am Fall ChatGPT: Warum das Modell plötzlich Goblins liebte, wie sich das Verhalten ausbreitete und warum OpenAIs Fix das strukturelle Problem nicht löst.
AGI 2027: Die falsche Frage an die richtigen Daten
AGI 2027 klingt präzise, ist aber die falsche Frage. Die Daten zeigen, welche KI-Fähigkeiten wirklich schneller wachsen.
KI in Malware: Wie Angreifer LLMs für Cyberangriffe einsetzen und was das wirklich bedeutet
Palo Alto Unit 42 hat analysiert, wie Angreifer KI bereits heute einsetzen. Zwischen echtem Risiko und AI Theater: eine nüchterne Einschätzung.
LLM-Guardrails sind kein Schutzwall: Was Prompt Fuzzing über KI-Sicherheit verrät
LLM-Guardrails gelten als Sicherheitsnetz für KI-Anwendungen – doch Palo Alto Unit 42 zeigt mit genetischem Prompt Fuzzing, dass kein Modell wirklich sicher ist. Was das für Unternehmen bedeutet und was.
RAG erklärt: Wie KI mit eigenen Dokumenten arbeitet
RAG verspricht KI mit eigenem Wissen. Entscheidend ist aber nicht das Modell, sondern ob Retrieval, Datenqualität und Kontext stimmen.