Der EU-Faktencheck bestaetigte praktisch jede Behauptung. Ueber alle Laeufe
seit Lage 42 lag der Anteil offener Punkte bei 6 Prozent, beim Weg ueber die
Anthropic-CLI bei 31 Prozent. In acht aufeinanderfolgenden Laeufen zur
Ceuta-Lage war er exakt null, achtmal zehn Behauptungen, zehnmal bestaetigt.
Bei derselben Lage bewerteten beide Wege dieselben Aussagen verschieden. Der
Anthropic-Weg stufte "22 EU-Laender kritisieren Spanien" mit sechs Quellen als
unbestaetigt ein, der EU-Weg dieselbe Aussage mit vier Quellen als bestaetigt.
Mehr Quellen und trotzdem vorsichtiger, das ist kein Zufall, sondern Bauart.
Drei Ursachen, drei Aenderungen.
1. Die Belegsuche kannte nur Bestaetigung. Alle Anfragen waren stuetzend
formuliert, wer so sucht findet auch nur Stuetzendes. Ein Anteil der
Anfragen (EU_VERIFY_COUNTER_SHARE, Vorgabe 0.3) ist jetzt eine Gegenprobe
und sucht gezielt nach Dementi, Richtigstellung, abweichenden Angaben und
der Darstellung der Gegenseite. Die Treffer sind im Kontext als
[GEGENPROBE] gekennzeichnet.
2. Das Modell konnte Belege nicht wirklich pruefen. Die Belegsuche lief mit
abgeschaltetem Volltext, das Modell sah je Treffer nur Ueberschrift und
Auszug. Ein Artikel zum Thema wurde damit zum Beleg fuer eine konkrete
Zahl. Bis zu EU_VERIFY_FULLTEXT_QUERIES Anfragen holen jetzt den
Artikeltext. Dazu die Ansage, dass ein Treffer, der nur das Thema erwaehnt,
kein Beleg ist, und dass eine Angabe, die praeziser ist als ihre Quelle,
nicht traegt.
3. Die zweite Runde lief nur in eine Richtung. Sie belegte offene Punkte nach,
und wenn nichts offen war, lief sie gar nicht. Ausgerechnet der Fall "alles
bestaetigt" blieb ungeprueft. Jetzt folgt dort eine Belastungsprobe. Sie
sucht ausschliesslich Gegenproben zu den staerksten Behauptungen und darf
Bestaetigungen zuruecknehmen, aber niemals vergeben. Zurueckgestuft wird
bei Widerspruch, bei Dementi, wenn die Belege die konkrete Angabe gar nicht
nennen, wenn die Behauptung praeziser ist als ihre Quellen, oder wenn nur
eine einzige Stelle berichtet. Ausserdem darf die Nachhak-Runde einen Status
jetzt auch absenken, wenn die Nachrecherche der Behauptung widerspricht.
Dabei fiel ein Robustheitsmangel auf. Scheiterte die zweite Runde, etwa weil
die Suche nicht erreichbar war, ging der gesamte Faktencheck verloren statt nur
die Zusatzpruefung. Die zweite Runde ist jetzt gekapselt, das Ergebnis des
ersten Durchgangs bleibt in jedem Fall erhalten.
Der Weg ueber die Anthropic-CLI bleibt unveraendert. Neu sind 26 Pruefungen,
insgesamt laufen 250 ohne Netzzugriff und ohne Kosten.
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Die Suchphase endete in jedem beobachteten Lauf mit "Treffer-Obergrenze 60
erreicht" nach Runde 2. Die ersten beiden Runden erfassen breit und fuellten
den Korb, die dritte Runde, die gezielt Luecken schliessen soll, lief damit
nie. Genau diese Runde bringt aber das, was in den Berichten fehlte: die
Position des eigenen Landes, die Reaktion der Institutionen, den rechtlichen
Rahmen.
Der harte Gesamtstopp war eine Ueberkorrektur. Er kam aus einem frueheren Fix
gegen Leerrunden: War der Korb voll, befragte die Schleife weiter das teuerste
Modell, ohne noch etwas aufnehmen zu koennen. Das Problem war aber nicht die
Rundenzahl, sondern dass spaete Runden keinen Platz mehr hatten.
Jetzt drei Aenderungen:
1. Kontingent je Runde (EU_RESEARCH_MAX_NEW_PER_ROUND, Vorgabe 25). Die frueher
Runden koennen den Korb nicht mehr allein fuellen, fuer die spaeteren bleibt
Platz frei.
2. Verdraengung statt Abbruch. Ist der Korb voll und eine spaetere, gezieltere
Runde bringt einen Treffer, weicht der schwaechste Treffer einer frueheren
Runde: ohne Volltext, ohne Textauszug, aus der fruehesten Runde. Treffer mit
Volltext werden nie verdraengt.
3. Abbruch nur noch bei echter Saettigung. Bringt eine ganze Runde keinen
einzigen neuen Treffer, ist das Thema ausgeschoepft und die Schleife endet.
Der Kostenschutz des frueheren Fixes bleibt damit erhalten, ohne die
Vertiefung zu verhindern.
Dazu bekommt die dritte Adhoc-Runde einen eigenen Auftrag. Bisher wiederholte
sie den Text der zweiten ("Luecken schliessen und vertiefen"), jetzt fragt sie
ausdruecklich nach der fehlenden Seite der Lage und verbietet die Wiederholung
des Hauptereignisses.
Neu sind 10 Pruefungen, darunter der Regressionsschutz gegen Leerrunden in
neuer Form. Insgesamt laufen 216 ohne Netzzugriff und ohne Kosten.
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Der Vergleichslauf zur Innenministerkonferenz (Lage 49) zeigte, dass der
verbesserte Faktencheck zwar zehn Fakten lieferte, davon aber nur drei
uebrig blieben. Die Ursachen lagen in drei nachgelagerten Stellen.
1. Quellenzuordnung stufte alle zehn Fakten herab.
Durch den groesseren Belegblock stuetzt das Modell seine Fakten jetzt
staerker auf die europaeische Suche als auf die gespeicherten Meldungen.
Es zitiert dabei die Belegnummern statt vollstaendiger Adressen. Die
Quellenzuordnung suchte daraufhin vergeblich nach passenden Meldungen und
stufte jeden Fakt herab. Im Vergleich: Lauf 45 hatte null Herabstufungen,
Lauf 44 eine, Lauf 49 zehn von zehn.
Behoben an zwei Stellen. Die Belegsuche gibt die gefundenen Quellen jetzt
einzeln zurueck, der Faktencheck reicht sie an die Zuordnung durch, und
der Auftrag verlangt ausdruecklich die vollstaendige Adresse je Beleg.
2. Duplikatpruefung loeschte sieben von zehn Fakten.
Das Clustering warf inhaltlich verschiedene Beschluesse in eine Gruppe,
weil viele Behauptungen gleich beginnen. Es gab keinerlei Absicherung, bei
kleinen Faktenmengen entschied das Modell sogar voellig allein.
Zwei Sicherungen greifen jetzt. Eine Gruppe, die mehr als 40 Prozent aller
Fakten umfasst, wird verworfen. Und jeder Loeschkandidat muss dem
behaltenen Fakt auch rechnerisch aehnlich sein, Grenze 0,55 im selben Mass
wie im Vorfilter. Beide Werte sind ueber Umgebungsvariablen einstellbar.
3. Leerrunden in der Recherche.
War die Treffer-Obergrenze erreicht, brach nur die innere Schleife ab. Die
Rundenschleife lief bis zum Ende weiter und befragte jedes Mal das teuerste
Modell, ohne noch eine einzige Suche auszufuehren. Das kostete rund 0,17
USD je Durchgang, bei drei Durchgaengen etwa 0,50 USD pro Aktualisierung.
Der Weg ueber die Anthropic-CLI bleibt unveraendert. Neu sind 16 Pruefungen,
darunter der nachgebildete Fall aus Lage 49, insgesamt laufen jetzt 80
Pruefungen ohne Netzzugriff und ohne Kosten.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Der Faktencheck ueber Bedrock und staan lieferte spuerbar weniger belegte
Fakten als der bisherige Weg ueber die Anthropic-CLI. Ursache war die Bauart.
Der bisherige Weg sucht waehrend der Pruefung selbst und kann bei duenner
Beleglage nachfassen, die EU-Fassung bekam dagegen einen festen, vorab
beschafften Stapel Belege und hatte genau einen Versuch.
Drei Aenderungen schliessen die Luecke.
1. Mehr Belege je Pruefung. Statt 3 Anfragen mit je 3 Treffern laufen jetzt
7 Anfragen mit je 6 Treffern, und bis zu 14 statt 8 Pruefpunkte gehen in
die Planung ein. Gleiche Quellen werden nur einmal in den Kontext gelegt.
2. Punktbezogene Planung. Das planende Modell ordnet jeder Suchanfrage zu,
welche Behauptung sie belegen soll, statt allgemein zum Thema zu suchen.
3. Echte Nachhak-Runde. Bleiben nach der Pruefung mindestens zwei
Behauptungen unbelegt, wird fuer genau diese noch einmal gesucht, mit
anderen Anfragen als zuvor, und nur diese Punkte werden neu bewertet.
Ein Status wird dabei nur angehoben, nie gesenkt, und faellt die Runde
aus, bleiben die Fakten unveraendert.
Die Nachhak-Runde greift in allen drei Pruefwegen, also bei der Erstpruefung,
der inkrementellen Pruefung und der Pruefung in Themengruppen. Gruppen nutzen
kleinere Suchmengen, da sie parallel laufen und je nur ein Teilthema abdecken.
Alle Mengen sind ueber Umgebungsvariablen einstellbar.
Der Weg ueber die Anthropic-CLI bleibt unveraendert, das sichern sechs
Regressionstests ab. Neu sind zwei Testdateien mit zusammen 55 Pruefungen,
die ohne Netzzugriff und ohne Kosten laufen.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Im EU-Modus laufen jetzt auch Faktencheck und Lagebild komplett ueber Bedrock,
damit gibt es dort keine CLI-Aufrufe mehr. Der Faktenchecker bekommt vorab
eine gezielte staan-Stuetzsuche (eu_call_with_search: Haiku plant
Verifikations-Queries zu offenen Behauptungen, Treffer wandern als
Kontextblock in den Prompt und werden als Zweitquellen zitiert). Das Lagebild
arbeitet im EU-Modus rein auf dem Meldungsbestand, die EU-Recherche hat
unmittelbar davor gesammelt. Alle fuenf Aufrufstellen (Erst-/inkrementeller
Faktencheck, Gruppen-Verifikation, Erst-/inkrementelle Analyse) haben die
Weiche, der CLI-Modus bleibt unveraendert.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Im EU-Modus laeuft die Recherche jetzt europaeisch: agents/eu_researcher.py
steuert eine Schleife aus Bedrock-Planung (Opus, EU-Profile) und staan-Suchen
(services/staan_client.py, Suche + Volltexte via full_content=markdown,
Pflicht-Domain-Ausschlussliste je Anfrage). Bildet die 4-Phasen-Tiefenrecherche
nach und liefert exakt das JSON der bisherigen CLI-WebSearch, Parsing und
Filter in researcher.search bleiben unveraendert. Anti-Halluzination: nur URLs
aus echten staan-Treffern werden akzeptiert; published_at nur wenn aus Inhalt
oder URL ableitbar (staan liefert keine Daten).
Doppelspur im Orchestrator: Lane-Schluessel ist jetzt (Organisation, Backend),
Aufloesung zentral in _resolve_ai_backend (Lage > Org-Setting > ENV). CLI- und
EU-Lauf derselben Organisation laufen gleichzeitig, gleiche Backends seriell.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
