Безопасность · Понятие
Мультиагентный adversarial stress-test ролевых языковых агентов
Платформа interrogator–target–judge с шестью стратегиями, вскрывающая multi-turn сбои персоны и этики RPLA.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · поддерживает 3/10
NRT-Bench: многоходовой бенчмарк красной команды для агентов ИИ в критически важных системах Многоходовой мультистратегийный interrogator расширяет практику red-teaming для агентов с персоной.
+3 прирост ведёт к · применяется к 3/10
Психологические манипуляции LLM в многоходовых взаимодействиях Multi-turn adversarial-стратегии тестируют верность персоне и этический дрейф RPLA.
+3 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 →