Безопасность · Понятие
Справедливость как операция симметрии в машинном обучении
Формализует предвзятость в машинном обучении как нарушение симметрии и реализует регуляризацию на основе потерь как механизм восстановления симметрии, достигая более 90% снижения нарушений при ~5% потере точности.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · питает 4/10
StylisticBias: бенчмарк социальных предубеждений по визуальным признакам для мультимодальных LLM Бенчмарк StylisticBias выявляет сконцентрированные предубеждения визуальных подсказок в MLLM, информируя подходы к измерению справедливости.
+4 прирост входит · применяется к 2/10
Диалектный сдвиг LLM против афроамериканского английского Диалектная предвзятость LLM в отношении AAE представляет собой систематический сбой справедливости, устранимый с помощью методов управления активациями.
+2 приростИсточники сигнала
Источники сигнала
Датированные факты из первоисточников по этому направлению.
Центр оценок США Jun 2025
В июне 2025 года Институт безопасности ИИ США переименован в Центр стандартов и инноваций ИИ (CAISI) с разворотом к безопасности, стандартам и оценке моделей противников.
NIST → Защита фронтира May 2025
Anthropic активировала стандарт развёртывания и безопасности ASL-3 вместе с Claude Opus 4 22 мая 2025 — первое реальное срабатывание ступени ответственного масштабирования, нацеленное на блокировку биорисков.
Anthropic → Трансграничное тестирование 2025
Международная сеть институтов безопасности ИИ (создана в ноябре 2024) провела третье совместное тестирование, сфокусированное на агентных ИИ-системах по кибер- и мошенническим направлениям.
European Commission — AI Office →