Безопасность · Понятие
Масштабные законы «правила vs характер» в дизайне безопасности ИИ
Модель распределения ресурсов между формированием характера и правилами при росте масштаба внедрения.
Горизонт прогноза
Optimal mix shifts weakly toward character shaping at larger deployment scales under several scenarios.
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · задаёт рамку 3/10
Безопасность агентов как runtime-контракт Модель scaling laws рассматривает rule filters как inference-time дополнение к character shaping на обучении.
+3 прирост входит · ограничивает 3/10
Языковые пробелы в мультиязычных датасетах безопасности ИИ Дыры safety-данных по языкам ограничивают и character shaping, и rule-фильтры для неанглоязычных пользователей.
+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 →