Безопасность · Понятие
Разрыв переноса safety-бенчмарков на малые ЯМ
Вывод, что LLM-центричные safety-бенчмарки дают много неоднозначности и слабы как единственная оценка SLM.
Горизонт прогноза
Связи
Связи · 2
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · ограничивает 5/10
Наука об оценке ИИ Высокая доля ambiguous-суждений означает слабость текущих automated safety suite для SLM.
+5 прирост входит · питает 3/10
Языковые пробелы в мультиязычных датасетах безопасности ИИ Оба показывают провал заявлений о безопасности при переносе на другие классы моделей/языки.
+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 →