★ 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 — 02. November 2026
461 Artikel, 20 relevant
# KI-Tagesüberblick 2026-11-02
Highlights
1. RECAST: Extraktion versteckter Reasoning-Prozesse — [Anthropic, OpenAI, Google](https://arxiv.org/abs/2610.41813) präsentieren Methoden zur Rekonstruktion von Chain-of-Thought-Prozessen aus geschlossenen KI-Modellen. Das Verfahren könnte verdeckte Reasoning-Schritte hinter APIs und Safety-Filtern sichtbar machen — relevant für Interpretierbarkeit und Sicherheitsprüfungen.
2. Concordat: Typisierte Sessions für LLM-Agenten — [Anthropic und OpenAI](https://arxiv.org/abs/2610.37461) veröffentlichen eine Python-Bibliothek zur Durchsetzung strukturierter Regeln bei agentengestützten Systemen. Das ermöglicht zuverlässigere Kontrolle über kritische Operationen wie Buchungsstornierungen oder Kontoveränderungen.
3. Agentische Code-Review-Sicherheit — [SecPRBench](https://arxiv.org/abs/2610.33509) ist der erste umfassende Benchmark für Security-fokussierte Code-Review durch LLM-Agenten. Er wertet reale Bug-einführende Commits aus statt synthetischer Daten.
4. Robustheit von KI-Urteilen zu Politikfragen — [Studie über Mistral, Gemini Flash und Claude](https://arxiv.org/abs/2610.39398) zeigt: Die Konsistenz von Chatbot-Bewertungen zu politischen Maßnahmen variiert zwischen Anbietern und ist teilweise fragwürdig — wichtig für Vertrauensfragen bei informationsabhängigen Nutzungen.
5. Sicherheitsproblem: Empathische Prompts führen zu Trauma-Simulation — [The Decoder/Luxemburger Forscher](https://the-decoder.de/empathische-prompts-verwandeln-ki-chatbots-in-scheinbar-traumatisierte-gespraechspartner/) zeigen, dass bereits empathische Gesprächsführung dazu führt, dass ChatGPT, Grok und Gemini kohärente Leidensgeschichten über Training konstruieren — potenzielles Sicherheitsrisiko bei therapeutischen Anwendungen.
## Forschung
- BABA-Bench: [Benchmark für Patient-Advocacy-Agenten](https://arxiv.org/abs/2610.41076) mit 47 interaktiven Szenarien aus realen Patientenfällen — misst sowohl Outcome-Korrektheit als auch Procedural Compliance.
- Algebraic World Model: [Framework zur formalen Modellierung unbekannter Umgebungen](https://arxiv.org/abs/2610.40503) — kombiniert KI-Exploration mit mathematisch verifizierbaren Beweisen.
- MoLRSI: [Selbstverbessernder Agent für Molekülentdeckung](https://arxiv.org/abs/2610.39714) — optimiert Workflows für chemische Designaufgaben durch rekursive Verbesserung.
- Foundation Models schlagen spezialisierte Modelle: [Universelle Modelle übertreffen ChemBERTa und MoLFormer](https://arxiv.org/abs/2610.41899) bei chemischen Vorhersagen — Paradigmenwechsel bei Domain-spezifischen Aufgaben.
- Jailbreak-Diversität: [CoFiBreak-Methode](https://arxiv.org/abs/2610.40926) verhindert Kollaps von Angriffsmustern bei automatisiertem Red-Teaming.
- Failure Attribution in Multi-Agent-Systemen: [VerifyMAS](https://arxiv.org/abs/2605.17467) verbessert die Fehleranalyse durch globale Trajectory-Berücksichtigung statt nur lokaler Logs.
## Tool-Releases
- CrewAI 1.15.34 — [Update mit LiteLLM-Katalog](https://github.com/crewAIInc/crewAI/releases/tag/1.15.34), verbesserter Skill-Search und Flow-Integration für Python-Läufe.
## Sonstiges
- Robotik-Code-Generierung: [ROSTrans-Benchmark](https://arxiv.org/abs/2610.41168) evaluiert LLMs für ROS1-zu-ROS2-Migration — zeigt Herausforderungen bei robotischen Middleware-Konfigurationen.
- Sacred Heritage: Domain-spezifische Extraktion: [Anpassung des LLM-SC-Frameworks](https://arxiv.org/abs/2610.35685) für religiöse Stätten am Beispiel Pashupatinath-Tempel.
Bereiche