Безопасность · Понятие

ConceptGuard: бенчмарк контекстно-чувствительного concept-level unlearning LLM

Бенчмарк dual-use концептов: удаление вредных применений при сохранении полезной концептуальной компетенции.

Сила тренда 4/10

Импульс +4/кв

Уверенность средняя

Статус новое

Горизонт прогноза

Связи

Связи · 3

Как этот узел связан с остальной картой и какие подтверждения стоят за связями.

ведёт к · стандартизует 4/10

Машинное разучивание LLM через селективность репрезентаций

ConceptGuard переводит оценку unlearning к dual-use концептам вместо непересекающихся фактических forget/retain наборов.

+4 прирост

ведёт к · задаёт рамку 3/10

Машинное разучивание LLM через селективность репрезентаций

ConceptGuard переосмысливает оценку unlearning вокруг dual-use концептов, а не несвязных наборов фактов.

+3 прирост

входит · ссылается на 3/10

Подборки arXiv по LLM-агентам (август 2026)

Августовская подборка arXiv agents вводит ConceptGuard для контекстно-чувствительного concept-level unlearning.

+3 прирост

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 →