★ Aktuell
Google DeepMind has launched Gemma 4, a family of state-of-the-art open models designed to enable multi-step planning and autonomous agentic workflows directly on-device. The release includes the Google AI Edge Gallery for experimenting with "Agent Skills" and the LiteRT-LM libra...
• google
• developers
Google has updated its account settings to allow U.S. users to change their @gmail.com usernames while keeping all exist...
• developers
The Agent Development Kit (ADK) SkillToolset introduces a "progressive disclosure" architecture that allows AI agents to...
• developers
The launch of Agent Development Kit (ADK) for Go 1.0 marks a significant shift from experimental AI scripts to productio...
• developers
The newly introduced continuous checkpointing feature in Orbax and MaxText is designed to optimize the balance between r...
• developers
Google has released version 1.0.0 of the Agent Development Kit (ADK) for Java, introducing powerful new features like Go...
• google
To bridge the gap between static model knowledge and rapidly evolving software practices, Google DeepMind developed a "G...
• google
The provided workflow streamlines motion-controlled game development by using Gemini Canvas to rapidly prototype mechani...
• google
This blog post introduces a workflow for extracting high-quality data from complex, unstructured documents by combining ...
▶ Tages-Digest — 19. Oktober 2026
565 Artikel, 33 relevant
# KI-Tagesüberblick 2026-10-19
Highlights
1. Formale Verifikation von LLM-Spezifikationen verbessert sich durch interaktive Klärung — Forscher von Anthropic, OpenAI und Google zeigen, dass ein Elicitation-Agent durch Rückfragen an Entwickler die Qualität von Lean-Spezifikationen erheblich steigert und Edge Cases besser erfasst. Der Ansatz könnte die Zuverlässigkeit von automatisch generierten Formal Verifications erhöhen.
2. PresenceBench: LLMs lernen, sich an Nutzerzustände anzupassen — Neue Benchmark misst, wie gut Sprachmodelle ihre Responses an den funktionalen Zustand von Nutzern (Aufmerksamkeit, Flow-State, emotionale Stabilität) anpassen, ohne dabei Aufgabenqualität und Sicherheit zu kompromittieren.
3. LLM-Agenten treffen andere Zielwahl-Entscheidungen als Menschen — Studie zeigt, dass Sprachmodelle bei selbstgesteuerten Lernaufgaben systematisch anders Ziele priorisieren als menschliche Probanden — ein kritischer Punkt für agentic Workflows und autonome Systeme.
4. RedDarwin: Evolutionäre Red-Teaming gegen aktuelle LLMs — Neuer agentic Framework adaptiert Jailbreak-Techniken kontinuierlich durch Rekombination bestehender Angriffsmechanismen und entwickelt so stärkere Exploits, während Sicherheitsmaßnahmen sich weiterentwickeln.
5. LLM-Agent-Sicherheit: Privilege Escalation durch Approval-Mechanismen — Forscher enthüllen kritische Sicherheitslücke in Coding-Agenten mit Permission-Harnesses: Attackeure können genehmigte Allow-Rules missbrauchen, um schrittweise ihre Befugnisse zu erweitern.
## Forschung
Agentic Reasoning & Selbstverbesserung:
- [DiscoveryRSI](https://arxiv.org/abs/2610.23839): Framework für iteratives wissenschaftliches Hypothesenmanagement durch LLM-Agenten
- [Can LLMs predict ML experiment outcomes?](https://arxiv.org/abs/2610.22599): Untersuchung, ob Sprachmodelle die Ergebnisse von ML-Experimenten zuverlässig vorhersagen können
- [Self-Evolving Coding Agents via Harness-Policy Optimization](https://arxiv.org/abs/2610.22791): Co-Evolution von Agent-Policy und Execution-Harness für bessere Coding-Performance
Agenten-Sicherheit & Monitoring:
- [Monitor-Validity Failures](https://arxiv.org/abs/2610.23362): Runtime Monitors können ausfallen, ohne dass Sicherheitsrichtlinien das bemerken
- [Trust Is Not a Score](https://arxiv.org/abs/2609.39717): Formale Runtime Assurance Contracts für High-Risk-Agenten statt reiner Performance-Metriken
Frontend & Code-Entwicklung:
- [WebCoder](https://arxiv.org/abs/2610.23104): Allgemeiner Frontend-Development-Agent mit artifact-grounded Reinforcement Learning
- [Where Does Performance Go?](https://arxiv.org/abs/2610.23044): Analyse von Performance-Regressionen bei C-zu-Rust-Transpilation durch LLMs
- [TokenEconomizer](https://arxiv.org/abs/2610.22732): Kostenkontrolle für Coding-Agenten über längere Sequenzen realistischer Tasks
Sprachverarbeitung & Retrieval:
- [RIT-RAG](https://arxiv.org/abs/2610.11370): Retrieval-Induced Trees verbessern agentic RAG durch Erhalt von Dokumentstruktur
- [NL2SQL mit iterativer Selbstverbesserung](https://arxiv.org/abs/2610.22968): Fehlerkorrektur-Loop für robustere Natural-Language-to-SQL-Generierung (von Mistral)
- [HeRE Benchmark](https://arxiv.org/abs/2610.22542): Neue hebräische Relation-Extraction-Benchmark zur Vermeidung englisch-zentrischer Biases
Qualitätskontrolle:
- [Beyond Compilation](https://arxiv.org/abs/2606.31002): Messung echter Treue von NL-to-Lean Formalisierungen (nicht nur syntaktische Kompilierbarkeit)
- [SWE-Prometheus](https://arxiv.org/abs/2609.29465): Benchmark für Software-Engineering-Governance statt nur funktionaler Task-Erfüllung
Krisenmanagement:
- [Is MT Ready for the Next Crisis?](https://arxiv.org/abs/2601.10082): Bewertung von 5 kommerziellen MT-Systemen für Krisensprachen — besonders Schwächen bei low-resource Sprachen
---
Quellen primär: Anthropic, OpenAI, Google Research | Plattformen: arXiv
Bereiche