Безопасность · Понятие

HaloGuard 1.0: конституционный классификатор с открытыми весами для многоязычной безопасности ИИ

Классификатор безопасности с открытыми весами, достигающий передового уровня многоязычной безопасности подсказок при размере в десять раз меньше ведущих моделей.

Сила тренда 4/10

Импульс +4/кв

Уверенность низкая

Статус новое

Горизонт прогноза

Could become a standard open-source safety layer for multilingual AI deployments.

Связи

Связи · 4

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

ведёт к · применяется к 3/10

Акт ЕС об ИИ

Многоязычный конституционный классификатор HaloGuard напрямую применим к требованиям оценки безопасности GPAI в соответствии с Законом ЕС об ИИ.

+3 прирост

ведёт к · поддерживает 3/10

Акт ЕС об ИИ

Многоязычные классификаторы безопасности, такие как HaloGuard, поддерживают требования соответствия Закону ЕС об ИИ для моделей GPAI на языках ЕС.

+3 прирост

ведёт к · ограничивает 2/10

Эскалация джейлбрейка в многоходовых взаимодействиях в медицинском ИИ

Подход конституционного классификатора HaloGuard 1.0 ограничивает атаки взлома и инъекции подсказок на 46 языках.

+2 прирост

ведёт к · поддерживает 2/10

Бенчмарк состязательной прагматики для оценки безопасности ИИ

Оба подхода решают проблемы многоязычной и лингвистически сложной оценки безопасности LLM.

+2 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 →