Was sind die vier Eigenschaften des AI Capabilities & Limitations Framework?	Next Token Prediction, Knowledge, Working Memory und Steerability.
Welche Art von Aufgaben kann AI gut bewältigen, wenn es um Next Token Prediction geht?	Zusammenfassungen, Umformatierungen und Erklärungen von häufigen Konzepten auf ausgetretenen Pfaden.
Wo hat AI Schwächen bei der Knowledge-Eigenschaft?	Bei seltenen, nach dem Trainingsdatum liegenden, nischenhaften, lokalen oder umstrittenen Themen.
Was ist das "Working Memory Cliff" Problem bei AI?	AI kann keine Kontinuität über mehrere Sessions hinweg aufrechterhalten und hat Schwierigkeiten mit sehr langen Dokumenten oder Gesprächen.
Wann ist AI am steuerbaren: bei kurzen oder langen Aufgaben?	Bei kurzen, konkreten, verifizierbaren Anweisungen; bei langen Reasoning Chains ist die Steuerbarkeit begrenzt.
Wie hängen das Capabilities & Limitations Framework und das 4D Framework zusammen?	Sie sind zwei Seiten desselben Systems; die Eigenschaften erklären, worauf die 4D Kompetenzen reagieren.
Was bedeutet "kalibriertes Vertrauen" im Kontext dieses Frameworks?	Die Aufgabe auf jeder Kontinuum-Eigenschaft zu lokalisieren und Verifikations- und Kontext-Gewohnheiten entsprechend anzupassen.
Welche konkrete Maßnahme soll man diese Woche umsetzen?	Eine Verifikationsmaßnahme, ein Standing-Context Setup, einen Checkpoint oder eine Goal-stated-not-just-format Gewohnheit für eine ausgewählte Aufgabe.
Warum bleibt das Framework nützlich, obwohl sich AI-Modelle ständig ändern?	Die Form dieser Eigenschaften als Kontinuen bleibt stabil, auch wenn sich die genauen Grenzen verschieben.