KI News: Kurz und klar.

In einer brandneuen Veröffentlichung auf arXiv (2602.05026v1) stellen die Autoren die fundamentalen Gesetze der Lern‑Dynamik vor. Dabei geht es um die Erhaltungsgesetze und die stetige Abnahme der Gesamtentropie, die das Verhalten von Lernalgorithmen prägen.

In einer neuen Studie, die auf arXiv veröffentlicht wurde, wird gezeigt, dass Greedy Coordinate Gradient (GCG)-Angriffe – bislang vor allem bei autoregressiven Modellen erfolgreich – auch bei Diffusions-basierten Sprachmodellen wirksam sind. Der Fokus liegt dabei auf LLaDA, einem Open-Source Diffusions-LLM, das speziell für die Verarbeitung von Text entwickelt wurde.

In einem brandaktuellen Sicherheitsbericht wurden sieben der fortschrittlichsten Sprach- und Multimodalmodelle – GPT‑5.2, Gemini 3 Pro, Qwen3‑VL, Doubao 1.8, Grok 4.1 Fast, Nano Banana Pro und Seedream 4.5 – systematisch auf ihre Sicherheit geprüft. Der Bericht zeigt, dass die rasante Weiterentwicklung von LLMs und MLLMs zwar enorme Fortschritte in Logik, Wahrnehmung und Generierung bringt, die Sicherheitsverbesserungen jedoch noch unklar bleiben.

In den Sicherheitsoperationen der britischen Unternehmen wächst die Besorgnis unter den Chief Information Security Officers (CISOs) – besonders wenn es um den chinesischen KI-Giganten DeepSeek geht. Obwohl künstliche Intelligenz als Wegbereiter für Effizienz und Innovation gefeiert wird, wirft sie für die Verteidiger an der Front lange, dunkle Schatten.

In der klassischen Mehrklassenklassifikation wird häufig One‑Hot‑Encoding verwendet, doch diese Methode ist nicht immer optimal. Error‑Correcting Output Codes (ECOC) lösen das Problem, indem jeder Klasse ein einzigartiger Codewort zugeordnet wird. Traditionelle ECOC‑Ansätze bauen die Codebücher jedoch manuell oder zufällig – ein arbeitsintensiver Prozess, der oft datensatzagnostisch bleibt.