KI News: Kurz und klar.

Large‑Language‑Model‑basierte Anwendungen sind heute allgegenwärtig, doch ihre Sicherheit steht unter Druck: Angreifer nutzen Prompt‑Injection (PI), um schädliche Anweisungen in die Eingabe einzuschleusen. Diese Angriffe sind besonders gefährlich, weil die bösartigen Befehle über verschiedene Vektoren gelangen können und sich nahtlos in den Kontext einfügen, sodass sie schwer zu erkennen sind.

Neutronenbilder spielen eine zentrale Rolle bei der Analyse von Inertial Confinement Fusion (ICF)-Ereignissen, etwa am National Ignition Facility (NIF). Durch die hohe Strahlungsintensität und die komplexen Detektorsysteme sind die Aufnahmen jedoch häufig von Rauschen befallen, das feine Details verschleiert und Kantenglättungen verursacht.

Ein neues Verfahren namens FlipVQA‑Miner ermöglicht es, aus Lehrbüchern und Übungsmaterialien automatisch hochwertige Frage‑Antwort‑Paare (QA) sowie visuelle Frage‑Antwort‑Paare (VQA) zu extrahieren. Durch die Kombination von layout‑sensitiven OCR‑Techniken mit semantischer Analyse durch große Sprachmodelle (LLMs) werden die Inhalte strukturiert und in ein formatgerechtes Format überführt, das für das Training von KI‑Modellen geeignet ist.

Das Massachusetts Institute of Technology (MIT) hat mit der SEAL‑Technik (Self‑Adapting LLMs) einen Meilenstein in der KI‑Entwicklung gesetzt. Durch die Möglichkeit, synthetische Trainingsdaten selbst zu erzeugen und daraus eigene Feinabstimmungsstrategien abzuleiten, können große Sprachmodelle wie ChatGPT künftig eigenständig ihre Leistung steigern.

Partielle Differentialgleichungen (PDEs) bilden die Grundlage für die Modellierung zahlreicher natürlicher und technischer Systeme. Statt herkömmlicher numerischer PDE‑Solver können diese Modelle als „neuronale PDEs“ formuliert werden, bei denen Teile oder die gesamte Gleichung durch ein neuronales Netzwerk ersetzt werden. Solche neuronalen PDEs lassen sich leichter differenzieren, linearieren, reduzieren oder für Unsicherheitsquantifizierung nutzen.