IBM verdoppelt die Transistordichte durch vertikales Stacking auf 0,7 Nanometer und erwartet damit bis zu 70 Prozent Energieeinsparung — Serienreife in etwa fünf Jahren.
KI-Agenten geben weniger oft nicht existierende Quellen an, verlinken aber in 15,9% der Fälle auf falsche Papers, und stoppen bei schwierigen Fragen die Tool-Nutzung genau dort, wo diese am kritischsten wäre.
Output-Kompression reduziert Inferenzkosten um 1,4–3x, Input-Kompression erhöht sie um durchschnittlich 1,15x, weil Modelle mit längeren Antworten auf ungenaue Prompts reagieren.
iLLaDA zeigt, dass vollständig bidirektionales Diffusions-Training von Grund auf ein konkurrenzkräftiger Weg zu starken Sprachmodellen sein kann, auch ohne autoregressives Training.
KI-Agenten können als Datenwissenschaftler trainiert werden, um automatisch hochwertige synthetische Trainingsdaten zu generieren, welche durch Meta-Optimierung kontinuierlich besser werden.
Agentic Overlays sind dünne Wrapper-Layer, die REST-APIs ohne Code-Duplikation in A2A-fähige Agenten umwandeln und damit parallele Infrastrukturen obsolet machen.
Gouvernance für agentic AI erfordert Zugriffskontrolle auf jeder Ebene – von Tool-Discovery über Query-Ausführung bis zur Response-Synthese – nicht nur an einem zentralen Checkpoint wie bei RAG.
