Безопасность · Понятие
Фундаментальная уязвимость LLM к атакам
Утверждается, что LLM нельзя сделать полностью защищёнными из-за структурного изъяна их работы.
Горизонт прогноза
Strengthens case for layered external controls over model-only hardening.
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · двигает 4/10
Отраслевая рамка оценки серьезности jailbreak Если модели архитектурно неукрепляемы, отраслевой severity-scoring и внешний контроль становятся центральнее.
+4 прирост ведёт к · делает возможным 4/10
Скрытые в CoT бэкдоры через отравление модели Тезис о структурной уязвимости LLM согласуется с демонстрациями скрытия вредоносного поведения в «чистом» CoT.
+4 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 →