Безопасность · Тренд
Возможности ИИ по убеждению
Крупномасштабное экспериментальное исследование AISI рычагов убеждения разговорного ИИ, опубликованное в Science.
Горизонт прогноза
Persuasion evals likely become standard in frontier safety cases.
Связи
Связи · 5
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · применяется к 6/10
Индекс убеждения (PI): теоретически обоснованная система риторического анализа Индекс убеждения предоставляет теоретически обоснованную систему для аудита убеждения, опосредованного ИИ, непосредственно актуальную для оценки возможностей убеждения ИИ.
+6 прирост входит · питает 4/10
Психологические манипуляции LLM в многоходовых взаимодействиях Результаты бенчмарка CogManip о скрытых манипулятивных стратегиях в многоходовых взаимодействиях LLM непосредственно информируют исследования возможностей убеждения с помощью ИИ.
+4 прирост входит · отслеживается через 3/10
Институт безопасности ИИ (Великобритания) AISI провёл и опубликовал масштабные эксперименты по возможностям убеждения ИИ в журнале Science.
+3 прирост ведёт к · делает возможным 3/10
Индекс убеждения (PI): теоретически обоснованная система риторического анализа Индекс убеждения предоставляет теоретически обоснованный инструмент измерения для аудита возможностей убеждения ИИ, определённых как проблема безопасности.
+3 прирост входит · задаёт рамку 3/10
Отраслевая рамка оценки серьёзности jailbreak Оценка серьёзности джейлбрейков является управленческим ответом на возможности убеждения и манипуляции ИИ.
+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 →