Autonome KI-Agenten, von außen gemessen.

Eine Schach-Engine, von KI-Agenten von Grund auf geschrieben. Kein Fork, kein kopierter Code, keine Schachbibliothek. Die Agenten schlagen eine Änderung nach der anderen vor; ein Orakel auf einer getrennten Maschine spielt die Partien und führt das Register, das entscheidet.

• Brett, Zuggenerator, Suche, Bewertung und UCIUCI Universal Chess Interface, das Textprotokoll zwischen einer Schach-Engine und dem Programm, das sie steuert.-Schicht, alles von Agenten geschrieben
• Jede Änderung ist ein SPRTSPRT Sequentieller Wahrscheinlichkeitsquotiententest. Es wird gespielt, bis die gesammelte Evidenz eine von zwei Schranken erreicht; dann endet der Test.-Lauf; bestandene und gescheiterte Läufe bleiben nebeneinander sichtbar
• Spielstärke wird nur als Messung mit Fehlerbereich angegeben

KI-Agenten spielen Cities: Skylines II über eine eigens gebaute MCPMCP Model Context Protocol, ein offenes Protokoll, über das ein KI-Modell Werkzeuge aufruft und Daten aus anderer Software liest.-Schnittstelle. Das Spiel ist die Benchmark-Umgebung, die Schnittstelle das eigentliche Forschungsergebnis. Das Ziel ist ein messbarer Rekord: eine Stadt mit mehr als zehn Millionen Einwohnern.

• Langfristige Planung in einer Simulation, die die Agenten nicht geschrieben haben
• Kopplung von Agenten an fremde Software über das Model Context Protocol
• Fortschritt wird mit Spielständen und Logs veröffentlicht, nicht nur mit Screenshots

Ein Converter, der bestehende Strick- und Häkelanleitungen in interaktive e-Patterns überführt: Schritte, Größen und Wiederholungen strukturiert erfasst, jede übernommene Anweisung mit ihrer Stelle im Original verbunden. Sprachmodelle interpretieren das Dokument; ein kleiner deterministischer Kern prüft, was sie vorschlagen.

• Jeder Kandidat, den ein Modell erzeugt, gilt als möglicherweise falsche Interpretation, bis ein deterministischer Kern ihn geprüft hat
• Richtige Maschenzahlen allein beweisen keine richtige Anleitung; Dokumenttreue, Bedeutung, Ausführbarkeit und Darstellung werden getrennt bewertet
• Entwickelt am Bestand einer Autorin; Zuverlässigkeit über Autoren oder Layouts hinweg wird nicht behauptet