Безопасность · Понятие
Диалектный сдвиг LLM против афроамериканского английского
«Налог на диалект» по всему пайплайну от токенизации до инференса при фиксированном смысле.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · ограничивает 3/10
Множественность человеческих предпочтений для ИИ «Налог на диалект» показывает неравенство пайплайна даже при признании семантической эквивалентности.
+3 прирост ведёт к · применяется к 2/10
Справедливость как операция симметрии в машинном обучении Диалектная предвзятость LLM в отношении AAE представляет собой систематический сбой справедливости, устранимый с помощью методов управления активациями.
+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 →