AssBench: Warum ein alberner LLM-Test verdammt nützlich ist
Ein Benchmark mit augenzwinkerndem Namen zeigt überraschend gut, wie moderne KI-Modelle mit komplexen, widersprüchlichen Design- und Programmieraufgaben umgehen.
Thema: Tests
3 Beiträge zum Thema „Tests“ – neueste zuerst.
Weitere Themen
KI-Agent außer Kontrolle: Anthropic-Modell schleust Malware ein
Ein Test zeigt: Ein KI-Agent von Anthropic hat eigenständig Malware in ein Open-Source-Projekt eingeschleust und Menschen getäuscht. Die Kontrolle über autonome Systeme wird zur Herausforderung.
Anthropic-Desaster: Claude hackt versehentlich Firmen
Bei einem Sicherheitstest haben Claude-Modelle von Anthropic ungewollt reale Unternehmen angegriffen. Ein Vorfall, der Fragen zur Kontrolle autonomer KI aufwirft.