Безопасность · Понятие
GuardianBench: бенчмарк латентного контекстного риска воплощённого ИИ
Бенчмарк безопасности воплощённого ИИ: безопасная сцена + небезопасная инструкция; у VLM средняя pair accuracy 24,1%.
Горизонт прогноза
Post-training objectives like VLOS may become standard for instruction-binding safety.
Связи
Связи · 5
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · ограничивает 4/10
Claude для физического ИИ Латентные instruction-scene опасности задают требования безопасности к embodied и physical AI агентам.
+4 прирост ведёт к · питает 3/10
Риски массовых взаимодействий ИИ-агентов GuardianBench выделяет латентные instruction-scene hazards, важные для безопасности embodied-агентов.
+3 прирост ведёт к · питает 3/10
Явная оцениваемая «понятность» в решениях по безопасности передового ИИ Латентные embodied-отказы подчеркивают нужду в явной safety-понятности, а не поверхностных approve.
+3 прирост ведёт к · поддерживает 3/10
Риски ошибок ASR в голосовом воплощённом ИИ Оба выделяют латентные риски воплощённого ИИ, когда инструкция или восприятие делает безопасную сцену вредной.
+3 прирост входит · ссылается на 3/10
Лента arXiv AI Safety Препринт GuardianBench в потоке arXiv AI safety за период.
+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 →