Die Seiten
- Entdeckungen: der Katalog wissenschaftlicher Ergebnisse mit KI, mit Diagrammen, Filtern und einer Liste nach Jahr.
- Modelle: Modellveröffentlichungen führender Labore und die in Entdeckungen genannten Modellfamilien.
- Labore und Familien: ein Profil je Organisation oder Modellfamilie, mit Zeitachse, Entdeckungen und Veröffentlichungen.
- Gefundene Schwachstellen: öffentliche Schwachstellenfunde mit dokumentierter KI-Beteiligung, Offenlegungskontext und Behebungsevidenz. Getrennt vom wissenschaftlichen Katalog und kein aktuelles Patch-Inventar.
- Datensatz und API: laden Sie den Katalog als JSON oder CSV herunter, dazu Schemata und eine nur lesbare statische API.
- Mitwirkende: wer den Katalog betreut, wie man beiträgt und wie Mitwirkende genannt werden.
- Methodik: was enthalten ist, wie Einträge geprüft und wie Relevanz bewertet wird.
Mit der Zeitachse beginnen
Das blaue Band auf der Seite Entdeckungen zeigt eine Marke je Katalogeintrag, nach Datum gesetzt; die Höhe steht für redaktionelle Relevanz. Zeigen Sie mit der Maus auf eine Marke für die Vorschau oder wählen Sie sie, um den Eintrag zu öffnen. Wo mehrere Einträge ein Datum teilen oder nah beieinander liegen, wählen Sie unter den benachbarten; die tatsächlichen Daten bleiben erhalten. Mit der Tastatur fokussieren Sie das Diagramm, nutzen Links- und Rechtspfeil und drücken dann Eingabe. Auch das Streudiagramm der Modelle unterstützt Tastaturerkundung und eine Auswahl benachbarter Veröffentlichungen.
Den Katalog eingrenzen
- Fachgebiete: die Schaltflächen unter „Nach Fachgebiet erkunden“ filtern nach Wissenschaftsfeld; die Zahl ist die Zahl der Entdeckungen.
- Diagramme: klicken Sie in „Die Zahlen“ eine Zeile (Fachgebiet oder Organisation) oder ein Jahr, um die Liste zu filtern; klicken Sie erneut zum Aufheben. Aggregierte Diagramme beschreiben den ganzen Katalog, auch wenn die Liste gefiltert ist.
- Datenstand: Sammlungsansichten prüfen die tatsächlich geladenen Dateibytes gegen ein Komponentenmanifest. Weichen Dateien während der Veröffentlichung ab, wird einmal erneut geladen; eine bleibende Abweichung zeigt „Erneut versuchen“ und Downloads statt veralteter Suchergebnisse. Der sichtbare Stand und die Komponenten-Hashes beschreiben die von der Ansicht genutzten Daten.
- Entitätsnamen: geprüfte exakte Aliasse gruppieren MIT/Massachusetts Institute of Technology und quellenattribuierte AISLE-Bezeichnungen. Vollständige Originalbezeichnungen bleiben an den Datensätzen; eine AISLE-Anbietergruppe identifiziert kein bestimmtes Modell, keine Version und keine autonome Rolle. Unbekannte Zugehörigkeiten stehen getrennt von Institutionen.
- Filterleiste: Suchtext, Organisation, Jahr, Modellfamilie, Mindestrelevanz und Sortierung. „Filter zurücksetzen“ setzt alles zurück.
- Filterlink kopieren: jeder Filter steht in der Adresse, sodass Sie die genaue Ansicht teilen oder als Lesezeichen speichern können.
Einen Eintrag lesen
- Jeder Eintrag nennt Datum, Organisation, eine Zusammenfassung mit den Evidenzgrenzen, die KI-Technologie und einen redaktionellen Relevanzwert von 20 bis 100 in 13 möglichen Schritten (öffnen Sie Quelle und redaktionelle Details für Wirkung, Validierung und Neuheit). Er ist keine Evidenznote und kein präzises Maß wissenschaftlichen Werts.
- „Originalquelle“ öffnet den ursprünglichen Artikel, Preprint oder die institutionelle Ankündigung; „Artikel“ öffnet ein getrennt verlinktes Paper, falls vorhanden. Zahlen stammen von den Quellen und sind nicht unabhängig geprüft.
- „Quelle geprüft“ bedeutet, dass wir die Quellseite geprüft haben, nicht dass der Befund repliziert wurde. Die aufklappbaren Details funktionieren mit Berührung und Tastatur, zeigen Quellentyp und redaktionelle Teilwerte und sind im Druck enthalten. Ein fehlender Artikellink bedeutet nicht, dass kein Artikel existiert.
- Der Organisationsname und die Familienzeile führen zu Profilen; die Familienzeile verlinkt auch die Seite Modelle.
Das Jahresdiagramm lesen
Wählen Sie die Zahl der Katalogeinträge oder die mittlere redaktionelle Relevanz. Die begleitende Tabelle zeigt beides und die jährliche Stichprobengröße. Diese Zahlen beschreiben diese ausgewählte, unvollständige Sammlung, nicht weltweite Entdeckungsraten. Die jüngste Katalogergänzung ist kein wissenschaftliches Prüfdatum. Die Evidenz- und Abdeckungstabellen zeigen, welche Einträge strukturierte Annotationen haben und wie sich primäre Quellentypen nach Jahr unterscheiden; keines ist eine Rangfolge der Evidenzqualität.
Korrektur oder Entdeckung vorschlagen
„Korrektur vorschlagen“ bei einem Eintrag öffnet einen GitHub-Entwurf mit ID und Quelle. „Eine Entdeckung vorschlagen“ in den Fußzeilen von Katalog und Profilen öffnet ein eigenes Formular, das eine Originalquelle und das Ankündigungsdatum verlangt. Eine GitHub-Anmeldung ist nötig und eingereichte Meldungen sind öffentlich: keine personenbezogenen Angaben. Jeder Vorschlag wird geprüft, bevor sich der Katalog ändert; ein Formular zu öffnen sendet es nicht ab.
Modelle und Profile
Klicken Sie auf Modelle ein Jahr oder Labor, um Veröffentlichungen zu filtern, oder eine Familie, um ihre Karte zu öffnen. Eine Familie ist mit einer Entdeckung verknüpft, wenn die Entdeckung sie nennt; der Link bezeichnet also eine Familie, nicht die genaue verwendete Version. Wählen Sie auf Labore und Familien eine Zeile, um das Profil zu sehen.
Teilen und drucken
- Link kopieren bei einem Eintrag kopiert einen Link, der in sozialen Netzwerken eine Vorschaukarte zeigt und den Eintrag öffnet.
- Nutzen Sie Drucken oder „Als PDF speichern“ des Browsers bei Entdeckungen, Modellen oder Gefundenen Schwachstellen, um jeden passenden Eintrag oder jede Veröffentlichung einzuschließen, auch noch nicht geladene Zeilen. Evidenzdetails von Entdeckungen und Schwachstellen werden für den Druck ausgeklappt; danach stellt die Seite Ihren Lesestand wieder her. Ihre aktuellen Filter gelten.
Gut zu wissen
- Helles und dunkles Erscheinungsbild folgen den Geräteeinstellungen.
- Die Abdeckung ist manuell und unvollständig; das Fehlen eines Ergebnisses bedeutet nicht, dass es nicht stattfand.
- Die Modelldaten stammen von Epoch AI unter CC BY 4.0.