Безопасность · Понятие
Машинное разучивание LLM через селективность репрезентаций
Повестка unlearning для LLM, включая layer-selective методы устойчивого забывания при изменениях деплоя.
Горизонт прогноза
Robust unlearning of biohazardous knowledge may become a regulatory requirement for frontier model deployment.
Связи
Связи · 3
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · стандартизует 4/10
ConceptGuard: бенчмарк контекстно-чувствительного concept-level unlearning LLM ConceptGuard переводит оценку unlearning к dual-use концептам вместо непересекающихся фактических forget/retain наборов.
+4 прирост входит · задаёт рамку 3/10
ConceptGuard: бенчмарк контекстно-чувствительного concept-level unlearning LLM ConceptGuard переосмысливает оценку unlearning вокруг dual-use концептов, а не несвязных наборов фактов.
+3 прирост ведёт к · применяется к 2/10
Двойное назначение ИИ и риск биотерроризма Разучивание RepSelect оценивается на биоопасных знаниях как одной из двух категорий забывания, непосредственно связанных с риском биобезопасности.
+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 →