KI News: Kurz und klar.

Die Erzeugung synthetischer Daten ist in datensensiblen und datenarmen Bereichen unverzichtbar, insbesondere für die weit verbreiteten tabellarischen Formate, die in vielen realen Anwendungen eingesetzt werden.

Die neueste Version von GPT‑5 ist weniger formell und damit freundlicher. Diese Änderung hat jedoch bei einigen Nutzern für Unmut gesorgt. Viele schätzen die klare, sachliche Sprache, die in professionellen Kontexten erwartet wird, und befürchten, dass die lockere Ausdrucksweise zu Missverständnissen führen könnte. Entwickler betonen, dass die Anpassung auf Feedback aus der Community zurückgeht, aber die Debatte zeigt, dass ein Gleichgewicht zwischen Freundlichkeit und Professionalität noch nicht gefunden wurde.

In diesem zweiten Teil der Serie von Addy Osmani geht es um die Kunst des Context Engineering – die Anwendung von Ingenieursprinzipien auf Prompt‑Designs. Osmani erklärt, wie man genau die Informationen liefert, die ein Sprachmodell benötigt, ohne es mit unnötigen Details zu überfluten.

In der Welt der Tabellenkalkulationen ist die Erstellung von bedingten Formatierungen (CF) oft ein komplexer Prozess, der technisches Know‑How und Erfahrung mit speziellen Plattformen erfordert. Das neue System TaFo löst dieses Problem, indem es eine neuro‑symbolische Methode einsetzt, um CF‑Vorschläge für Tabellen zu generieren. Dabei werden sowohl die Auslöser der Regeln als auch die zugehörigen visuellen Formatierungen automatisch erlernt, ohne dass der Nutzer Beispiele oder natürliche Sprachanweisungen angeben muss.

ServiceNow hat mit dem Apriel‑Nemotron 15B Thinker ein neues 15‑Billionen‑Parameter‑Modell vorgestellt, das in der Lage ist, die Leistungen moderner, größerer Modelle wie o1‑mini, QWQ32B und EXAONE‑Deep‑32B zu erreichen – und das bei halb so großem Speicherbedarf.

Konversations‑Empfehlungssysteme (CRS) wollen Nutzerpräferenzen durch natürliche Dialoge erfassen und passende Produkte vorschlagen. Dabei stoßen sie häufig an die Grenzen der semantischen Tiefe und an die Herausforderung, externe Wissensgraphen (KG) sinnvoll in die Dialog‑ und Empfehlungsschleife einzubinden. Traditionelle Ansätze mischen KG‑Informationen direkt mit dem Dialogtext, was bei komplexen semantischen Beziehungen zu Missverständnissen führt und die Nutzererwartungen nicht immer erfüllt.

In einer wegweisenden Veröffentlichung wird ein neues Paradigma für die klinische Diagnostik vorgestellt, bei dem Künstliche Intelligenz (KI) nicht mehr nur als Hilfsmittel, sondern als Hauptakteur agiert. Der Ansatz basiert auf einem großen Sprachmodell, das in der Lage ist, den gesamten diagnostischen Ablauf – von der ersten, vagen Beschwerde bis zur finalen Diagnose – eigenständig zu steuern.

Letzten Donnerstag hat OpenAI GPT‑5 vorgestellt, ein Sprachmodell, das laut vielen Beobachtern die Grenzen dessen, was groß angelegte KI erreichen kann, verschiebt.

Der Klassiker der KI‑Literatur, Suttons „Bitter Lesson“, wird im Lichte des neuesten Sprachmodells GPT‑5 neu beleuchtet. Das Essay, das 1998 veröffentlicht wurde, argumentiert, dass allgemeine Lernalgorithmen, die auf großen Datenmengen trainiert werden, langfristig bessere Ergebnisse liefern als spezialisierte, handwerklich optimierte Systeme.

OpenAIs neuestes Sprachmodell, GPT‑5, hat bei seiner frühen Einführung unerwartete Stolpersteine erlebt. In ersten Tests stolperte das System über einfache Rechenaufgaben, wie die Gleichung 5,9 = x + 5,11 zu lösen – eine Aufgabe, die gut im Bereich der Grundschule liegt.

OpenAI hat kürzlich die neueste Generation seiner Sprachmodelle, GPT‑5, veröffentlicht. Der Launch wurde von vielen als Meilenstein gefeiert, doch die Realität zeigt, dass das Modell nicht alle Erwartungen erfüllt, die in den Medien und der Community geweckt wurden.

Die Sprache ist zugleich ein Begrenzungs- und Befreiungstool. Mit GPT‑4 wird dieses Spannungsfeld auf ein neues Level gehoben, indem das Modell unendliche sprachliche Möglichkeiten eröffnet.