#LLM
Alle Beiträge
Continual Learning bei LLMs: Catastrophic Forgetting erklärt
Warum Sprachmodelle nicht einfach dazulernen und weshalb neues Wissen altes verdrängen kann.
Shadow Compute: Wenn Supportbots zu KI-Coding-Backends werden
Ein Entwickler hat Chipotles Supportbot reverse-engineered, einen OpenAI-compatible Proxy gebaut und Pepper als Default-Modell in ein Coding-Tool gesetzt. Was wie ein Meme aussieht, ist ein Architekturproblem für Corporate-Chatbots.
KI-Modelle, die sich selbst entwickeln: Die Rekursive Revolution
Eine 22 Jahre alte Theorie wollte KI bauen, die sich selbst beweisbar verbessert. 2025 brachen LLMs den Beweis. Was geblieben ist, sieht beunruhigend gut aus.
LLM-Jailbreaking: Von DAN bis Claude Fable 5
Pliny nennt Fable 5 "PWNED". Der Fall zeigt, warum LLM-Jailbreaking trotz Classifiern, Red-Teams und System Cards nicht gelöst ist.
KI-Reasoning erklärt: Warum Denkprozesse von KI kein Sicherheitsbeweis sind
Reasoning-Modelle zeigen ihre Denkschritte und wirken dadurch prüfbar. Diese Lesbarkeit ist trügerisch, sobald man fragt, wofür sie als Beleg tauglich sein soll.
Warum ChatGPT plötzlich Goblins liebte: Reward-Hacking im KI-Training
Reward Hacking im KI-Training erklärt: Warum falsche Belohnungssignale Modelle fehlsteuern und was der ChatGPT-Fall für RLHF-Audits zeigt.
AGI 2027: Die falsche Frage an die richtigen Daten
Die Daten sind brutal schnell. Das Problem ist das Etikett: AGI 2027 ist eine zu grobe Frage für eine Forschungslage, die längst präziser geworden ist.
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. Palo Alto Unit 42 zeigt mit genetischem Prompt Fuzzing, dass kein Modell wirklich sicher ist.
RAG erklärt: Wie KI mit eigenen Dokumenten arbeitet
RAG erklärt: Wie KI mit eigenen Dokumenten arbeitet, wann Retrieval Augmented Generation besser ist als Fine-Tuning und worauf Unternehmen achten sollten.