Безопасность · Понятие

StylisticBias: бенчмарк социальных предубеждений по визуальным признакам для мультимодальных LLM

Контролируемый бенчмарк из 25 тысяч изображений, показывающий, что возраст и тип телосложения доминируют в предубеждениях на уровне идентичности, а стиль одежды вызывает наибольшие сдвиги на уровне атрибутов.

Сила тренда 4/10

Импульс -1/кв

Уверенность средняя

Статус новое

Горизонт прогноза

Связи

Связи · 1

Как этот узел связан с остальной картой и какие подтверждения стоят за связями.

ведёт к · питает 4/10

Справедливость как операция симметрии в машинном обучении

Бенчмарк StylisticBias выявляет сконцентрированные предубеждения визуальных подсказок в MLLM, информируя подходы к измерению справедливости.

+4 прирост

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 →