Безопасность · Понятие
Интерпретируемость
Чтение внутренних признаков моделей перешло из любопытства в инструмент гарантий.
Горизонт прогноза
Механистические свидетельства входят в аудит; регуляторы спрашивают «покажи почему», а не только «покажи что».
Связи
Связи · 1
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
Источники 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 →