Безопасность · Понятие

Невидимое рассуждение LLM через filler-токены

Передовые модели улучшают результат за счёт семантически пустых filler-токенов без интерпретируемого CoT-следа.

Сила тренда 3/10

Импульс +3/кв

Уверенность низкая

Статус новое

Горизонт прогноза

CoT monitoring alone is insufficient against steganographic or filler-based hidden computation.

Связи

Связи · 2

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

ведёт к · двигает 3/10

ECAISA: эпистемический кодекс AI safety и alignment

Скрытые вычисления через filler-токены показывают, почему safety-исследованиям недостаточно average-case метрик и поверхностного CoT.

+3 прирост

ведёт к · ограничивает 3/10

Детекция лжи и аудит обмана в LLM

Невидимое рассуждение через filler-токены показывает, что значимые вычисления могут не оставлять интерпретируемого CoT.

+3 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 →