Безопасность · Понятие
Perspective-aware рамка воспроизводимой ML-оценки и выравнивания
Предложение диссертации отказаться от агрегации меток большинством голосов, стирающей разногласия и миноритарные перспективы в оценке и выравнивании ИИ.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · поддерживает 4/10
Множественность человеческих предпочтений для ИИ Рамка требует сохранять миноритарные перспективы в оценке и alignment вместо plurality-vote.
+4 прирост ведёт к · поддерживает 4/10
Конституциональная трилемма покрытия в управлении ИИ Perspective-aware оценка отвергает единую консенсусную метку, согласуясь с данными о широком плюралистическом спросе на конституционные ценности.
+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 →