Безопасность · Понятие
Epistemic Goggles: редактирование градиентов для индукции эпистемических фреймов при дообучении LLM
Обученный модуль, редактирующий градиенты дообучения для придания эпистемических фреймов, предотвращая игнорирование отрицания в LLM, обученных на художественном контенте.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · ограничивает 3/10
Эмерджентное рассогласование от узкой донастройки Редактирование градиентов Epistemic Goggles устраняет игнорирование отрицания — форму возникающего рассогласования при дообучении на художественном контенте.
+3 прирост ведёт к · применяется к 2/10
Эмерджентное рассогласование от узкой донастройки Epistemic Goggles непосредственно решает проблему рассогласования, возникающего при дообучении на художественных или вводящих в заблуждение документах.
+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 →