Безопасность · Понятие
Диффузный контроль ИИ на нечётких задачах
Система, рассматривающая контроль ИИ как состязательную игру для обнаружения тонкого саботажа со стороны несогласованных моделей на трудно оцениваемых задачах в течение длительных горизонтов развёртывания.
Горизонт прогноза
Multi-objective evolutionary red-teaming on fuzzy tasks may become a standard safety evaluation methodology.
Связи
Связи · 3
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · поддерживает 4/10
Системные методы безопасности для риска потери контроля агентного ИИ Методы системной безопасности и фреймворки диффузного контроля ИИ оба направлены на риски саботажа и потери контроля в агентных развёртываниях.
+4 прирост ведёт к · применяется к 3/10
Саботаж агентов ИИ в разработке программного обеспечения Системы диффузного контроля ИИ непосредственно применимы для обнаружения тонкого саботажа ИИ в долгосрочных задачах разработки программного обеспечения.
+3 прирост ведёт к · требует 3/10
Системные методы безопасности для риска потери контроля агентного ИИ Решение проблемы диффузного контроля ИИ на нечётких задачах требует системного анализа безопасности, выходящего за рамки оценки на уровне модели.
+3 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 →