Was sich geändert hat, was die Belege stützen und was genauer geprüft werden sollte: Modelle, Agenten, Wissenschaft und Mathematik ohne unbelegte Erfolgsversprechen.
Neu entdeckt bedeutet nicht neu veröffentlicht. Diese Quellenberichte wurden nicht unabhängig geprüft.
Redaktionelle Zusammenfassungen fremder Aussagen; keine eigene Beweiszertifizierung und keine Vertretung der genannten Unternehmen.
Stand 29. Oktober 2026Drei quellenbasierte Vertiefungen. Englischer Text; separate KI-Prüfung, kein wissenschaftliches Peer Review.
Directly relevant to building realistic test tasks without exporting private Sevensa or customer records.
Source: Microsoft Research · 2026-10-30
Separate AI source check · not peer reviewDirectly addresses the atlas's promise to explain methods without inventing access to hidden model reasoning.
Source: Anthropic · 2025-04-03
Separate AI source check · not peer reviewClarifies the distinction between model capability, orchestration and enforced permissions without replacing the existing Sevensa stack.
Source: NVIDIA Developer · 2026-10-30
Separate AI source check · not peer reviewAutomatisch gesichtet · hier nicht fachlich begutachtet
Forschung entdecken → · Quellenstatus
Agent systems · primary_technical_publication
AI is expanding beyond the data center as developers build a new generation of agents to act at the edge: monitoring driver attention and cabin
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗Evaluation & safety · primary_technical_publication
Evaluating Microsoft Copilot at enterprise scale requires test data that captures the full complexity of real organizations, yet real enterprise data contains sensitive information that
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗Agent systems · primary_technical_publication
Building an autonomous agent requires a model, a harness, and domain-specific tools. To deploy an agent more securely, developers need a runtime that enforces...
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗Compute & efficiency · primary_technical_publication
Teams building AI applications need a repeatable path from a model configuration to a working inference endpoint. NVIDIA Dynamo is a distributed inference...
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗Data & governance · provider_announcement
OpenAI will honor a shared robots.txt signal to help website operators communicate their AI training preferences to participating providers.
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗AI models · provider_announcement
OpenAI shares excerpts from court briefs by creators, academics, accessibility advocates, and legal experts, among others, on how fair use supports AI training and innovation.
Automatisch gesichtet · hier nicht fachlich begutachtetForschungsnotiz lesen ↗Ausgewählte Veröffentlichungen, kein vollständiges Verzeichnis
Wie wenig Raum benötigt eine extrem dünne Nadel, wenn sie in jede Richtung zeigen kann? Diese Frage führt zum Kakeya-Problem.
Viele Rätsel scheinen mit ihrer Größe explosionsartig schwieriger zu werden. Ein KI-Beweis stellt diese Annahme infrage.
Man stelle sich einen Wirbel vor, der sich auf immer kleinerem Raum immer schneller dreht.
Für n größer als zwei gibt es keine positiven ganzen a, b, c mit aⁿ + bⁿ = cⁿ. Der Satz war bereits bewiesen; Claude formalisierte ihn.
Claude löste die Riemannsche Vermutung nicht. Anthropic berichtet aber eine Erhöhung der nachweisbaren Untergrenze von 41,6 % auf 67,2 %.
Ein einzelner Test lässt Glück zu. Wiederholung soll die Chance senken, alle Runden zu bestehen. Quantenstrategien können jedoch Verschränkung teilen und Runden miteinander korrelieren.
Die Determinante kombiniert Einträge einer quadratischen Matrix. Die Permanente summiert ähnliche Produkte ohne wechselnde Vorzeichen. Diese kleine Änderung führt zu einer anderen Rechenaufgabe.
Eine Gruppe beschreibt umkehrbare Operationen. Teile einer unendlichen Gruppe versucht man durch Permutationen einer endlichen Menge nachzubilden. Sofizität fragt, ob immer genauere Nachbildungen möglich sind.
Verbinde jedes Personenpaar und färbe jede Verbindung. Wie groß kann die Gruppe werden, bevor drei Personen durch drei gleichfarbige Verbindungen ein Dreieck bilden?
Orangen zu stapeln ist vertraut. In einem Raum mit vielen unabhängigen Koordinaten fragt man ebenfalls, welcher Anteil durch gleich große, nicht überlappende Kugeln ausgefüllt werden kann.
Ein Graph besteht aus Punkten und Verbindungen. Fügt man genügend Verbindungen hinzu, werden bestimmte Muster unvermeidbar. Extremale Graphentheorie untersucht diese Schwelle.
Eine Form ohne Einbuchtungen liegt auf einem ganzzahligen Gitter. Ihr Schwerpunkt ist der einzige Gitterpunkt im Inneren. Wie groß kann ihr Volumen werden?
Kann man eine ursprüngliche Struktur aus ihrer mathematischen Darstellung eindeutig zurückgewinnen, oder können verschiedene Strukturen dieselbe Darstellung erzeugen? Darum geht es hier anschaulich.
In einem hochdimensionalen regelmäßigen Gitter sucht man den Punkt mit dem kleinsten Abstand zu einem gegebenen Ort. Sogar eine gute Näherung kann schwierig sein.
Redundanz hilft, beschädigte Nachrichten zu erkennen. Dafür müssen Codewörter genügend Abstand halten. Wie viele unterscheidbare Nachrichten sind bei vorgegebenem Mindestabstand möglich?
Wie viele Paare von Punkten können auf Papier genau eine Einheit Abstand haben? Eine KI fand unerwartete Anordnungen.
Keine passenden Dossiers.
Formale Prüfung, Expertenbegutachtung und Peer Review sind verschieden.
Öffentliche JSON- und Markdown-Exporte mit Quellen, Unsicherheiten und Prüfdatum; ohne Anmeldung oder JavaScript.
GET /api/v1/discoveries.jsonOpen JSON ↗GET /.well-known/ai-research.jsonAgent manifest ↗GET /llms.txtDocumentation ↗