Warum selbst ein perfektes LLM agentische Systeme nicht vorhersagbar macht

Selbst wenn ein LLM aufhört zu halluzinieren und deterministisch wird, können darauf basierende Multi-Agenten-Systeme aufgrund nichtlinearer Agenteninteraktionen unvorhersagbar bleiben. Der Autor zeigt anhand von Beispielen, dass semantisch ähnliche Abfragen zu gegensätzlichen Antworten führen können und sich in Agentenketten kleine Abweichungen aufschaukeln und deterministisches Chaos erzeugen.

Beijing Academy of Artificial Intelligence (BAAI)

Automatisierung der Reverse-Engineering von Malware mit lokalem Large Language Model

Ein Forscher stellte das Projekt MLMalwareAnalyzer vor, das die Malware-Analyse mithilfe eines lokalen Large Language Models (Qwen3), Ghidra und Neo4j automatisiert. Das System dekompiliert Code, analysiert jede Funktion mit dem Large Language Model und erstellt Call-Graphen, um Verhaltensmuster wie Dateiverschlüsselung und Kommunikation mit einem Command-and-Control-Server zu identifizieren.

Ghidra