Welche zwei oder mehr Eigenschaften sind typischerweise an echten KI-Fehlern beteiligt?	Die meisten realen KI-Fehler entstehen durch das Zusammentreffen von zwei oder mehr Eigenschaften, nicht durch eine einzelne Eigenschaft allein.
Welche vier Grundeigenschaften von KI werden in dieser Lektion behandelt?	Next Token Prediction (generiert das, was richtig klingt), Knowledge (weiß, worauf es trainiert wurde), Working Memory (beachtet das Nahegelegene) und Steerability (folgt der lautesten Anweisung).
Welches diagnostische Paar führt zu halluzinierten Spezifika?	Next Token Prediction + Knowledge führt zu halluzinierten Spezifika.
Welches diagnostische Paar verursacht Long-Conversation Drift?	Working Memory + Steerability verursacht Long-Conversation Drift.
Was ist der erste Schritt zur Diagnose eines KI-Fehlers?	Man muss identifizieren, welche zwei Eigenschaften zusammentreffen, um dann die richtige Lösung zu wählen.
Welche vier gezielten Lösungen werden für diagnostizierte Fehler genannt?	Spezifika verifizieren, Kontext neu bereitstellen, zu Code-Ausführung auslagern oder um Gegenargumente bitten.
Was ist "Discernment" im Kontext dieser Lektion?	Discernment ist die diagnostische Methode, bei der man die Eigenschaften benennt, die am Werk sind, um die richtige Lösung zu finden.
Warum ist es wichtig zu wissen, welche Art von Fehler vorliegt?	Man evaluiert besser, wenn man weiß, welche Art von Fehler man betrachtet, und kann dann die gezielte Lösung anwenden.
Was sollte man tun, wenn die KI-Diagnose zu schnell mit der eigenen Einschätzung übereinstimmt?	Man sollte Widerspruch einlegen, da dies ein Zeichen von Sycophancy (Gefälligkeit) sein kann, wie in Lektion 3 behandelt.
Welche Frage sollte man nach jeder Diagnose stellen?	"Angesichts dieser Diagnose, was ist die gezielteste Lösung?" und idealerweise die Anpassung sofort testen.