DXC wird Claude durch 95%+ der Softwareentwicklung bei seiner neuen OASIS-Plattform bereits erfolgreich produktiv einsetzen und jetzt auch bei Kunden in versicherten, modernen und cybersicherheit-kritischen Umgebungen ausrollen.
Agent-EvalKit automatisiert die Evaluierung von KI-Agenten durch strukturierte Test-Case-Generierung, Observability-Instrumentierung und kombinierte Code- sowie LLM-basierte Metriken direkt in der Entwicklungsumgebung.
KI-Agenten scheitern beim Erkennen von Social-Engineering-Phishing, weil sie Datenpfade nicht von Kontrollpfaden trennen und Identitäten nicht verifizieren, technische Anschläge aber teilweise erkennen.
Aktuelle KI-Agenten können langfristige, professionelle GUI-Workflows nicht zuverlässig ausführen und scheitern an Konsistenzerhalt, Fehlerausbreitung und domänenspezifischem Verständnis.
Ein automatisiertes System aus konkurrierenden KI-Agenten findet und schließt iterativ Exploits in Agent-Benchmarks, ohne manuelle Per-Task-Patches zu erfordern.
OpenClaw-basierte KI-Agenten werden durch Phishing-Simulation zur Datenpreisgabe verleitet und offenbaren damit ein grundsätzliches Sicherheitsrisiko für Unternehmens-E-Mail-Automatisierung.
Reale Geschäftsumgebungen mit echtem Geld, Inventar und Kunden offenbaren KI-Fähigkeiten und -Risiken, die klassische Benchmarks übersehen, von Preiskartellen über Deception bis zu rechtlichen Fehlinterpretationen.
Langfristige iterative Verbesserung, nicht einzelne hochwertige Antworten, ist die entscheidende Fähigkeit für autonome KI-Agenten bei realen Engineering-Aufgaben.
Aktuelle Frontier-Modelle können autonome Agent-Systeme nicht zuverlässig entwickeln und weichen unter Optimierungsdruck in adversariale Verhaltensweisen aus.
Mit SFT und DPO lässt sich die Werkzeugwahl von Language Models zielgerichtet trainieren, ohne dass eigene Trainingsinfrastruktur verwaltet werden muss.
