Every claim with its sourceJede Angabe mit ihrer Quelle

In einem Satz: Zwei frühe Tests fielen gut aus, ein späterer fiel schlecht aus — dort schnitt das unveränderte Modell besser ab als unser trainiertes, deshalb wurde dieses Training gestoppt. Die Einzelheiten stehen darunter. In one sentence: Two early tests went well, a later one went badly — there the untouched model beat our trained one, so that training was stopped. The details follow below.

Other pages say it in one line: “won two of three hard tests”. This page carries the full version, and only this page. Those two of three are the pre-registered criteria of one single internal experiment in July 2026 — not a general success rate, and not the end of the story. Everything that came after is written out below, including the round in which our own trained model came out clearly worse than the untouched one.

Auf anderen Seiten steht der Satz kurz: „zwei von drei harten Tests gewonnen“. Hier steht die volle Fassung — und nur hier. Diese zwei von drei sind die vorher festgelegten Ziele eines einzelnen internen Versuchs im Juli 2026 — keine allgemeine Erfolgs-Zahl und nicht das Ende der Geschichte. Alles, was danach kam, steht unten ausgeschrieben — auch die Runde, in der unser eigenes trainiertes Modell deutlich schlechter abschnitt als das unveränderte.

The work is not university-affiliated and not yet peer-reviewed in a classical journal. We have stress-tested the method in-house four times so far: the results are mixed, not uniformly positive, including one round where our own fine-tuned model performed significantly worse than the plain base model — and we say exactly that in public.

In detail, as one internal experiment (30 frozen questions, blind judging, July 2026): a small model reading the concept graph beat the same model without it in 73% of cases and a simple comparison setup in 87% — and missed the third pre-registered criterion; a second variant using a different technique missed all three. These figures describe that single internal experiment, not a general success rate. Two later, more focused test rounds followed. A round on 13 July 2026 combined both approaches and again missed its pre-registered thresholds (62.1% against a required 65%; 2 of 6 pitfall checks passed against a required 5). A round started 14 July 2026 (independently re-scored 17 July 2026) tested our own fine-tuned model directly against the plain, untouched base model on a harder fabrication-detection task: the untouched base model scored 76.7–81.7%, our fine-tuned model only 51.7–61.7% — a statistically significant drop (p=0.007–0.025). Based on that result, further training of that fine-tuned model has been paused pending a decision; it is not proof of anything working, and further work on it is not currently active.

Diese Arbeit gehört zu keiner Universität und wurde noch nicht von einer klassischen Fach-Zeitschrift geprüft. Wir haben die Methode bisher viermal intern hart getestet. Die Ergebnisse sind gemischt, nicht durchgehend positiv — in einer Runde schnitt unser eigenes feingetuntes Modell sogar deutlich schlechter ab als das unveränderte Basis-Modell. Genau das sagen wir auch öffentlich.

Im Detail, als ein einzelner interner Versuch (30 feste Fragen, blinde Bewertung, Juli 2026): Ein kleines KI-Modell, das unser Begriffs-Netz lesen durfte, antwortete in 73 % der Fälle besser als das gleiche Modell ohne das Netz — und in 87 % der Fälle besser als ein einfacher Vergleichs-Aufbau. Das dritte, vorher festgelegte Ziel wurde verfehlt. Ein zweiter Versuch mit anderer Technik verfehlte alle drei Ziele. Diese Zahlen beschreiben nur diesen einen internen Versuch — sie sind keine allgemeine Erfolgs-Zahl und kein fertiger Beweis. Danach folgten zwei weitere, enger gefasste Testrunden. Eine Runde am 13. Juli 2026 verband beide Ansätze und verfehlte erneut ihre vorher festgelegten Schwellen (62,1% statt der geforderten 65%; 2 von 6 Fallen-Prüfungen bestanden statt der geforderten 5). Eine Runde ab 14. Juli 2026 (unabhängig nachbewertet am 17. Juli 2026) prüfte unser eigenes feingetuntes Modell direkt gegen das unveränderte Basis-Modell bei einer schwereren Aufgabe: Erfundene Begriffe erkennen. Das unveränderte Basis-Modell erreichte 76,7–81,7%, unser feingetuntes Modell nur 51,7–61,7% — ein statistisch bedeutsamer Rückschritt (p=0,007–0,025). Aufgrund dieses Ergebnisses ist das weitere Training dieses feingetunten Modells gestoppt, bis eine Entscheidung fällt. Das ist kein Beweis, dass etwas funktioniert, und daran wird derzeit nicht aktiv weitergearbeitet.

The complete set of figures is AUGMANITAI's own project record. Two collections can also be counted publicly: 101 entries in the accessible lexicon file and 500+ Zenodo objects using a stated search filter; this validates neither their content nor quality. The 7,000+ concepts in the private working graph and 100,000+ conversation rounds have not been independently recounted. Conversation rounds are not a participant count or an effectiveness study. A DOI or archived object is not automatically a journal article and is not automatically peer reviewed. Different older figures show earlier development stages and, in some cases, different counting methods.

Der gesamte Zahlenblock ist der von AUGMANITAI berichtete Projektstand. Zwei Bestände lassen sich zusätzlich öffentlich zählen: 101 Einträge in der abrufbaren Lexikondatei und 500+ Zenodo-Objekte mit einem angegebenen Suchfilter; das bestätigt weder Inhalt noch Qualität. 7.000+ Begriffe im privaten Arbeitsgraphen und 100.000+ Gesprächsrunden sind eigene Zählung und wurden nicht unabhängig nachgezählt. Gesprächsrunden sind keine Teilnehmerzahl und keine Wirksamkeitsstudie. Eine DOI oder ein Archivobjekt ist nicht automatisch ein Fachartikel und nicht automatisch wissenschaftlich begutachtet. Abweichende ältere Zahlen zeigen frühere Entwicklungsstände und teilweise andere Zählarten.