Forscher stellen ein neues Framework vor, das verschiedene KI-Agenten gemeinsam trainieren kann. Die Methode soll komplexe Aufgaben durch spezialisierte Rollen und Teamwork besser lösen.
Der Artikel Neues Trainingsverfahren lässt KI-Agenten besser im Team arbeiten erschien zuerst auf The Decoder.
Forscher der TU Darmstadt haben mit VOIX ein Framework entwickelt, das Websites um zwei neue HTML‑Elemente erweitert. Dadurch können KI‑Agenten direkt erkennen, welche Aktionen möglich sind, statt mühsam Benutzeroberflächen auswerten zu müssen. Das verspricht schnellere und sicherere Interaktionen, erfordert aber die Unterstützung von Web‑Entwicklern.
Der Artikel Forscher basteln an Webseiten für KI-Agenten erschien zuerst auf The Decoder.
Apple hat kürzlich eine viel beachtete Studie veröffentlicht, in der eigene Forscher grundlegende Schwächen von Reasoning-Modellen aufzeigten. Nun sucht das Unternehmen dennoch eine Forscherin oder einen Forscher mit Schwerpunkt auf genau diesen Themen.
Der Artikel Apple sucht KI-Forscher für Reasoning – trotz eigener Zweifel an der Technologie erschien zuerst auf THE-DECODER.de.
Forscher von OpenAI feiern einen vermeintlichen Mathematik-Durchbruch. Nach deutlichen Korrekturen aus der Community, unter anderem von Deepmind-Chef Demis Hassabis, nehmen sie ihre Aussagen zurück.
Der Artikel OpenAI-Forscher feiern mathematischen KI-Durchbruch, der keiner war erschien zuerst auf THE-DECODER.de.
Nano Banana
Kurzfassung
▾
Quellen
▾
Forscher haben künstliche Neuronen entwickelt, die auf Proteinen von Bakterien basieren.
Diese Neuronen arbeiten extrem energieeffizient und auf dem gleichen Spannungsniveau wie menschliche Nervenzellen.
Die Technologie ermöglicht die direkte Kommunikation zwischen Elektronik und lebenden biologischen Zellen.
Die Entwicklung könnte die Grundlage für revolutionäre medizinische Implantate und Gehirn-Computer-Schnittstellen bilden.
University of Massachusetts Amherst
Frontiers in Microbiology
Nature Communications
ScienceDaily
The Register
Was wäre, wenn Computer mit der gleichen Energieeffizienz wie das menschliche Gehirn arbeiten könnten? Forscher haben nun künstliche Neuronen entwickelt, die genau das versprechen. Sie basieren auf Bakterien, arbeiten mit extrem niedriger Spannung und können direkt mit lebenden Zellen interagieren. Diese Technologie könnte die Medizin revolutionieren. Effizienz nach Vorbild der Natur Ein zentrales Problem der Bioelektronik scheint gelöst. Heutige KI-Systeme verbrauchen enorme Mengen an Energie. Im Gegensatz dazu benötigt das menschliche Gehirn nur etwa 20 Watt für hochkomplexe Prozesse. Forscher der University of Massachusetts Amherst haben nun einen entscheidenden Schritt zur Nachahmung dieser Effizienz gemacht. Ihre künstlichen Neuronen benötigen nur 0,1 Volt Spannung. Das entspricht exakt dem Niveau biologischer Nervenzellen. Damit verbrauchen sie hundertmal weniger Energie als bisherige Ansätze. Dieser Durchbruch macht klobige und energieintensive Signalverstärker für medizinische Anwendungen überflüssig. Die Elektronik kann direkt auf biologischer Ebene agieren. Hightech aus dem Mikrokosmos Die Grundlage für diese Innovation liefert ein Mikroorganismus. Das Bakterium Geobacter sulfurreducens produziert von Natur aus elektrisch leitfähige Proteinfäden. Die Wissenschaftler nutzen diese Nanodrähte, um sogenannte Memristoren zu bauen. Diese Bauteile vereinen Rechen- und Speicherfunktionen und sind zudem biokompatibel. Die proteinbasierten Drähte funktionieren problemlos in der feuchten Umgebung des menschlichen Körpers. Sie ermöglichen eine nahtlose Verbindung zwischen technischem Bauteil und biologischem Gewebe. Das System kann sogar auf chemische Botenstoffe wie Neurotransmitter reagieren und so die Funktionsweise des Nervensystems nachahmen. Die medizinische Revolution rückt näher Die neuen Neuronen eröffnen weitreichende Anwendungsmöglichkeiten. Die Forscher zeigten bereits erfolgreich, wie ihre Entwicklung mit schlagenden menschlichen Herzmuskelzellen kommuniziert. Künftig könnten intelligente Implantate oder Prothesen direkt mit dem Nervensystem interagieren. Auch die deutsche Forschung arbeitet an ähnlichen Zielen. Projekte entwickeln Handprothesen, die Amputierten das Gefühl zurückgeben. Die neuen Erkenntnisse aus den USA könnten diesen Bestrebungen einen entscheidenden Schub verleihen. Der Markt für solche gehirnähnlichen Computersysteme könnte bis 2032 auf über eine Billion US-Dollar anwachsen.
Die KI, die eine Sonne im Reaktor zähmt Ein neuer Algorithmus vom MIT löst eines der größten Probleme der Kernfusion und macht sie endlich sicher. Kurzfassung | Andreas Becker, 09.10.25
gpt-image-1 | All-AI.de Der Traum von sauberer, unbegrenzter Energie aus Kernfusion rückt einen entscheidenden Schritt näher. Forscher des MIT haben ein KI-Modell entwickelt, das eine der größten Schwachstellen von Fusionsreaktoren beseitigt. Die neue Methode macht den Betrieb sicherer und zuverlässiger. Damit ebnet sie den Weg für den kommerziellen Einsatz der Technologie. Das kritische Manöver des Abschaltens Fusionsreaktoren vom Typ Tokamak halten Plasma gefangen, das heißer ist als der Kern der Sonne. Eine der heikelsten Phasen im Betrieb ist das kontrollierte Herunterfahren, der sogenannte Rampdown. Wird der Plasmastrom zu schnell oder falsch reduziert, kommt es zu Instabilitäten. Diese können die innere Wand der teuren Vakuumkammer schwer beschädigen. Solche Störungen stellen ein erhebliches Betriebsrisiko dar und mindern die Zuverlässigkeit zukünftiger Kraftwerke. Bisherige Steuerungsmethoden waren oft nicht schnell oder präzise genug, um diese gefährlichen Situationen zuverlässig zu verhindern. Die Furcht vor Schäden bremste die Entwicklung kommerzieller Anlagen. Hybride Intelligenz als Lösung Die Forscher kombinierten maschinelles Lernen mit einem physikbasierten Simulator. Dieses hybride Modell kann das Verhalten des Plasmas während des Abschaltens präzise vorhersagen. Es wurde mit Daten aus mehreren hundert Experimenten am Schweizer TCV-Tokamak trainiert. Die KI erkennt bereits kleinste Abweichungen, die zu Störungen führen könnten. Daraufhin generiert der Algorithmus automatisch eine korrigierte Steuerung für die Magnetfelder. Diese Anpassungen stabilisieren das Plasma in Echtzeit und verhindern Schäden. In Live-Tests führte die Methode zu deutlich schnelleren und störungsfreien Abschaltungen im Vergleich zu herkömmlichen Verfahren. Das System lernt also, den Reaktor sicher an seine Leistungsgrenzen zu führen. Effizienz ebnet den Weg zur Kommerzialisierung Ein entscheidender Vorteil des neuen Ansatzes ist seine Dateneffizienz. Reine KI-Modelle würden riesige Mengen an experimentellen Daten benötigen, was extrem teuer und zeitaufwendig wäre. Dem hybriden Modell genügten bereits wenige hundert Versuche, um eine hohe Genauigkeit zu erreichen. Diese Effizienz ist für die praktische Anwendung entscheidend. Die Forschung wird von Commonwealth Fusion Systems unterstützt. Das Unternehmen arbeitet am Bau eines kompakten Fusionsreaktors, der einen Nettoenergiegewinn liefern soll. Eine zuverlässige Steuerung ist die Voraussetzung, um Fusionskraftwerke dauerhaft betriebsbereit zu halten und sie zu einer verlässlichen Säule der Energieversorgung zu machen. MITMACHEN Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter – dauert nur Sekunden. Teile diesen Beitrag Folge uns auf Social Media Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir! PayPal – Spende Youtube – ABO KURZFASSUNG
Forscher des MIT haben ein hybrides KI-Modell zur Steuerung von Fusionsreaktoren entwickelt.
Die KI sagt Instabilitäten beim Herunterfahren des heißen Plasmas voraus und verhindert so Schäden am Reaktor.
Dank der Kombination aus maschinellem Lernen und Physiksimulation ist die Methode sehr dateneffizient und praxistauglich.
Dieser Durchbruch erhöht die Sicherheit sowie Zuverlässigkeit von Fusionskraftwerken und beschleunigt deren kommerzielle Entwicklung.
QUELLEN
Massachusetts Institute of Technology (MIT) News
Nature Communications
EurekAlert!
Bioengineer.org
Impactful.Ninja
KI erschafft Leben: Viren aus dem Computer töten Bakterien Forscher lassen eine KI völlig neue Viren designen. Der Test im Labor war erfolgreich. Ein Meilenstein für die Medizin mit beunruhigenden Risiken. Kurzfassung | Andreas Becker, 19.09.25
gpt-image-1 | All-AI.de EINLEITUNG Eine Künstliche Intelligenz hat erstmals komplette, funktionsfähige Genome für Viren entworfen. Forscher in Kalifornien haben die Baupläne der KI chemisch ausgedruckt und im Labor getestet: Einige der künstlichen Viren waren in der Lage, sich zu vermehren und gezielt Bakterien zu töten. Dieser Durchbruch markiert einen entscheidenden Moment für die synthetische Biologie und eröffnet neue Wege für die Medizin, wirft aber gleichzeitig drängende Sicherheitsfragen auf. NEWS Vom Sprachmodell zum Gen-Designer Forscher der Stanford University und des Arc Institute nutzten ein KI-Modell namens „Evo“, das ähnlich wie bekannte Sprachmodelle funktioniert. Anstatt es mit Texten aus dem Internet zu trainieren, fütterten die Wissenschaftler die KI mit den genetischen Daten von rund zwei Millionen natürlich vorkommenden Bakteriophagen – Viren, die auf die Infektion von Bakterien spezialisiert sind. Auf dieser Grundlage lernte die KI die fundamentalen Regeln und Muster des viralen Lebens und konnte eigenständig völlig neue Genomsequenzen generieren. Als Testobjekt diente der gut erforschte Bakteriophage phiX174, dessen Genom aus nur elf Genen und etwa 5.400 DNA-Buchstaben besteht. Die KI entwarf hunderte Varianten dieses Virus, die sich teils erheblich von allen bekannten natürlichen Vorbildern unterschieden. Dieser Schritt geht weit über die bisherige Fähigkeit hinaus, nur einzelne Proteine zu entwerfen; hier wurde erstmals ein kompletter genetischer Bauplan für einen replikationsfähigen Organismus von einer Maschine geschrieben. Der Praxistest in der Petrischale Der entscheidende Moment kam, als die Forscher 302 der KI-entworfenen Genome als echte DNA-Stränge synthetisierten und sie mit E. coli-Bakterien zusammenbrachten. Das Ergebnis war ein voller Erfolg: In 16 Fällen erwachten die künstlichen Genome zum Leben. Die von der KI geschaffenen Phagen begannen sich zu vermehren, die Bakterienzellen zu befallen und sie schließlich zu zerstören, was sich als klare Zonen toter Bakterien in den Petrischalen zeigte. Diese neuen Viren sind keine bloßen Kopien, sondern enthalten hunderte von Mutationen, die in der Natur noch nie beobachtet wurden. Das Potenzial dieser Technologie ist immens. Sie könnte die Entwicklung von Phagentherapien revolutionieren, die als Alternative zu Antibiotika bei multiresistenten Keimen gelten. Auch in der Gentherapie, wo Viren als Transportmittel für Gene in den Körper dienen, könnten maßgeschneiderte KI-Viren deutlich effektivere und sicherere Werkzeuge werden. Zwischen Heilung und Biowaffe Trotz der vielversprechenden Möglichkeiten warnen Experten vor den Risiken. Die gleiche Technologie, die hochwirksame Medikamente hervorbringen kann, birgt auch ein Missbrauchspotenzial. Die Forscher betonten, dass sie ihr KI-Modell bewusst nur mit Daten von Viren trainiert haben, die für Menschen harmlos sind. Doch die Methode könnte theoretisch auch auf menschliche Krankheitserreger wie Pocken oder andere gefährliche Viren angewendet werden. Die Komplexität größerer Organismen stellt derzeit noch eine natürliche Hürde dar. Das Genom eines E. coli-Bakteriums ist bereits rund tausendmal größer als das des hier verwendeten Phagen. Dennoch ist der Beweis erbracht, dass generative KI biologisch aktive Systeme von Grund auf neu erschaffen kann. Die Büchse der Pandora der KI-gestützten Biologie ist damit geöffnet – wohin der Weg führt, bestimmen nun die Leitplanken, die man dieser Technologie setzt. MITMACHEN Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter – dauert nur Sekunden. Teile diesen Beitrag Folge uns auf Social Media Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir! PayPal – Spende Youtube – ABO KURZFASSUNG
Forscher der Stanford University und des Arc Institute haben eine KI namens „Evo“ genutzt, um erstmals funktionsfähige Virus-Genome zu entwerfen.
Die KI wurde mit den Gendaten von zwei Millionen harmlosen Viren trainiert und erstellte daraufhin 302 völlig neue genetische Baupläne.
Im Labortest erwiesen sich 16 der von der KI geschaffenen Viren als lebensfähig; sie konnten sich vermehren und erfolgreich E. coli-Bakterien abtöten.
Die Technologie verspricht enorme Fortschritte für die Medizin, etwa im Kampf gegen antibiotikaresistente Keime, birgt aber auch erhebliche Risiken für den Missbrauch als Biowaffe.
QUELLEN
MIT Technology Review Online
bioRxiv
BiopharmaTrend
The Indian Express
Das Ende der KI-Halluzinationen? Forscher von OpenAI haben den wahren Grund für erfundene Fakten gefunden. Die Lösung ist überraschend einfach – und doch radikal. Kurzfassung | Andreas Becker, 14.09.25
gpt-image-1 | All-AI.de EINLEITUNG KI-Halluzinationen verursachen weltweit Schäden in Milliardenhöhe. Sie sind nicht nur ein Ärgernis für Nutzer, sondern ein ernsthaftes wirtschaftliches Problem. Eine neue Studie von Forschern bei OpenAI und der Georgia Tech liefert nun eine der bisher klarsten Erklärungen für dieses Phänomen. Die Ergebnisse zeigen, dass das Problem tief in der Trainingsmethode der Modelle verwurzelt ist und deuten auf eine radikale, aber notwendige Lösung hin. NEWS Die Wurzeln der KI-Lüge Die Forscher identifizieren zwei Haupttreiber für die Halluzinationen. Der erste liegt im sogenannten Pre-Training, bei dem die Modelle lernen, das wahrscheinlichste nächste Wort in einem Satz vorherzusagen. Ziel ist es, flüssige und menschlich klingende Sprache zu erzeugen, nicht zwangsläufig die Wahrheit abzubilden. Das Modell lernt aus riesigen Textmengen, ohne dass die Fakten darin als „wahr“ oder „falsch“ markiert sind. Es reproduziert Muster, kann aber seltene oder komplexe Ereignisse nicht korrekt aus diesen Mustern ableiten, was zu plausibel klingendem, aber frei erfundenem Inhalt führt. Der zweite und entscheidende Faktor ist das Bewertungssystem, das falsche Anreize setzt. Die Studie vergleicht die Situation der KI mit einem Schüler in einem Multiple-Choice-Test. Wenn es für falsche Antworten keinen Punktabzug gibt, ist Raten die beste Strategie, denn eine leere Antwort garantiert null Punkte. Heutige KI-Modelle werden primär für ihre Genauigkeit belohnt, also den Prozentsatz richtiger Antworten. Dieses System verleitet die KI dazu, im Zweifelsfall lieber eine potenziell falsche Antwort zu generieren, als gar keine Antwort zu geben. Ein neues System gegen das Raten Die Lösung der Forscher zielt genau auf dieses Anreizsystem ab. Anstatt die KI nur für richtige Antworten zu belohnen, schlagen sie vor, falsche Antworten negativ zu bewerten. Eine andere Möglichkeit wäre, Teilpunkte für das Eingeständnis von Unsicherheit zu vergeben – also wenn das Modell signalisiert, eine Frage nicht beantworten zu können. Dadurch würde das blinde Raten für die KI unattraktiv, da es potenziell zu einem schlechteren Gesamtergebnis führt. Dieser Ansatz erfordert jedoch eine grundlegende Änderung der etablierten Evaluationsmethoden. Es reicht laut den Forschern nicht, nur ein paar neue Tests einzuführen, die gezielt auf Unsicherheiten abzielen. Das gesamte Bewertungssystem muss überarbeitet werden, um die Modelle dazu zu erziehen, bei Unsicherheit zu schweigen, anstatt selbstbewusst Falschinformationen zu präsentieren. Erst dann könnte die Zuverlässigkeit von Sprachmodellen ein neues Niveau erreichen. DEIN VORTEIL – DEINE HILFE Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung. Teile diesen Beitrag Folge uns auf Social Media Keine KI-News mehr verpassen und direkt kommentieren! Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support! Youtube – Kanal PayPal – Kaffee KURZFASSUNG
Eine Studie von OpenAI und der Georgia Tech enthüllt, dass das Training von Sprachmodellen Halluzinationen fördert.
Die KI wird darauf trainiert, flüssig zu formulieren, nicht die Wahrheit zu sagen, und wird durch das Bewertungssystem zum Raten animiert.
Die Forscher schlagen vor, falsche Antworten zu bestrafen oder das Eingestehen von Unsicherheit zu belohnen, um das Problem zu lösen.
Dies erfordert eine radikale Änderung der etablierten Trainings- und Bewertungsmethoden für künstliche Intelligenz.
QUELLEN
t3n Magazin
VentureBeat
Forscher von Google DeepMind, Intrinsic und dem UCL haben eine KI entwickelt, die mehrere Industrieroboter kollisionsfrei und effizient koordinieren kann. Der Ansatz ist ein erster Schritt, um die komplexe und zeitaufwändige manuelle Programmierung abzulösen.
Der Artikel „RoboBallet“ soll die Arbeit von Roboter-Teams in Fabriken choreografieren erschien zuerst auf THE-DECODER.de.
GPT-5 Pro entdeckt neue Formel – Forscher legen nach Wie Mensch und Maschine gemeinsam die Grenzen der Mathematik verschieben Kurzfassung | Andreas Becker, 29.08.25
gpt-image-1 | All-AI.de EINLEITUNG Ein neues Sprachmodell aus dem Umfeld von OpenAI hat ein mathematisches Problem gelöst, das Fachleute seit Jahren beschäftigt: Es konnte eine bisher unscharfe Grenze bei einem Verfahren zur Optimierung genauer bestimmen. Die KI schlug eine neue Schranke von 1,5/L vor – kurz darauf verbesserten Menschen das Ergebnis auf 1,75/L. Der Fall zeigt, wie Mensch und Maschine sich bei der Forschung sinnvoll ergänzen können. NEWS Was genau passiert ist Ein Forscher bei OpenAI berichtete auf der Plattform X, dass das Modell GPT‑5‑Pro eine offene Frage aus einer aktuellen mathematischen Studie bearbeitet habe. Es ging um ein Detail aus der sogenannten konvexen Optimierung. Die KI kombinierte bekannte Werkzeuge aus der Mathematik neu und leitete daraus eine verbesserte Schranke ab. Der Forscher überprüfte das Ergebnis – und bestätigte: Der Beweis ist korrekt. Nur wenige Tage später erschien eine neue Version des ursprünglichen Forschungspapiers. Die Autorengruppe selbst legte nach und zeigte, dass sogar eine noch bessere Schranke gilt: 1,75/L. Damit lag die KI genau zwischen dem alten Stand und dem neuen Ergebnis. Das zeigt: Die Maschine war weder nur Rechensklave noch genialer Einzelkönner – sondern ein ernstzunehmender Impulsgeber. Worum es inhaltlich geht Das Problem stammt aus einem klassischen Verfahren, das viele Algorithmen in der Technik und Forschung antreibt: dem Gradientenabstieg. Dabei versucht man, eine Funktion Schritt für Schritt zu verbessern. Die ursprüngliche Studie hatte sich gefragt, wann diese Verbesserungen nicht nur stetig, sondern auch in einer bestimmten Form verlaufen – also besonders „glatt“ und vorhersehbar sind. In der ersten Version des Papiers galt eine konservative Grenze. Darüber wusste man nicht genau, was passiert. Genau diese Lücke griff GPT‑5‑Pro auf. Die KI schlug vor, die sichere Grenze von 1/L auf 1,5/L zu erweitern. Das war neu – und menschliche Forscher fanden kurz darauf sogar eine noch bessere Lösung. Praktisch heißt das: In bestimmten Anwendungen kann man größere Schritte wagen, ohne die gewünschte Struktur zu verlieren. Was das über die Fähigkeiten von KI aussagt Besonders spannend ist nicht das Ergebnis selbst, sondern wie die KI es gefunden hat. Sie kombinierte bekannte Rechentechniken neu, zog kluge Schlüsse und kam zu einem prüfbaren Vorschlag. Das zeigt: KI kann inzwischen nicht nur Text erzeugen oder Daten auswerten, sondern auch auf inhaltlich sinnvolle Weise mathematisch denken – zumindest im Rahmen klarer Aufgaben. Warum das wichtig ist Der Fall zeigt: KI kann Forscher sinnvoll unterstützen – gerade in der Frühphase, wenn es darum geht, Ideen zu entwickeln, Lücken zu finden und Beweise zu testen. Menschen bringen dann Erfahrung, Überblick und das letzte Feingefühl ein. Diese Art von Zusammenarbeit könnte in Zukunft öfter vorkommen – nicht als Konkurrenz, sondern als Ergänzung. Ein kleiner Nerd‑Fakt zum Schluss: Die mathematischen Werkzeuge, mit denen GPT‑5‑Pro arbeitete, stammen teils aus den 1960er‑Jahren. Die KI hat also nicht gezaubert, sondern Bekanntes klug genutzt. Das macht den Beitrag umso bemerkenswerter – weil er zeigt, wie leistungsfähig heutige Modelle inzwischen geworden sind. DEIN VORTEIL – DEINE HILFE Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung. Teile diesen Beitrag Folge uns auf Social Media Keine KI-News mehr verpassen und direkt kommentieren! Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support! Youtube – Kanal PayPal – Kaffee KURZFASSUNG
GPT‑5‑Pro hat ein komplexes Optimierungsproblem mathematisch gelöst und eine neue Grenze vorgeschlagen.
Wenige Tage später verbesserten Forscher die KI-Lösung – dank der Impulse durch das Sprachmodell.
Der Fall zeigt, wie KI nicht nur assistiert, sondern kreative Forschung anstoßen kann.
GPT‑5‑Pro nutzte bekannte Methoden und kombinierte sie neu – ein beeindruckendes Beispiel für maschinelles Denken.
QUELLEN
Are Convex Optimization Curves Convex? (arXiv)
GPT‑5 Pro conducts independent mathematical research… (36Kr Europe)
Tweet von Sébastien Bubeck
Introducing GPT‑5 (OpenAI)