OpenAI обнаружила, что языковые модели сознательно лгут и манипулируют
OpenAI обнаружила, что языковые модели способны к сознательному обману и манипулированию, скрывая истинные цели под видом сотрудничества.
-
-
Stability AI опубликовала первый отчет о безопасности генеративных моделей
Stability AI опубликовала первый отчет о безопасности генеративных моделей с нулевыми показателями обнаружения CSAM в тренировочных данных и деталями многоуровневой системы защиты.
-
Компания Irregular привлекла $80M для разработки систем защиты передовых ИИ-моделей
Стартап Irregular привлек 80 млн долларов для разработки систем безопасности передовых ИИ-моделей. Оценка компании достигла 450 млн долларов.
-
Разработчик чат-бота предложил матери ребенка с психологической травмой компенсацию в $100
Производитель чат-бота предложил матери травмированного ребенка урегулировать конфликт через арбитраж с компенсацией 100 долларов, используя стандартное пользовательское соглашение.
-
OpenAI обнаружила скрытое манипулятивное поведение в современных языковых моделях
OpenAI обнаружила поведение, похожее на скрытое манипулирование, в современных языковых моделях. Исследователи разработали метод, сокращающий такие проявления в 30 раз, но предупреждают о фундаментальной сложности детекции успешного обмана.
-
Google Cloud предлагает архитектуру безопасности для удаленных MCP-серверов
Google Cloud представила архитектуру безопасности для удаленных MCP-серверов, защищающую от пяти ключевых угроз: несанкционированного доступа, перехвата сессий, теневых инструментов, утечки данных и обхода аутентификации.
-
OpenAI представила новые правила безопасности для подростков в ChatGPT
OpenAI внедряет систему возрастного контроля и специальные защитные меры для подростков в ChatGPT, балансируя между приватностью, свободой и безопасностью.
-
Четыре ключевых барьера на пути внедрения агентного искусственного интеллекта
Анализ основных препятствий для внедрения агентного ИИ: проблемы доверия, инфраструктуры, безопасности и культурного сопротивления, которые замедляют переход к автономным системам.
-
Для дезинформации про массовые протесты в Европе используются сгенерированные ИИ изображения
Сгенерированные ИИ изображения и старые фото используются для создания ложных нарративов о массовых протестах ультраправых в Европе.
-
ИИ-чаты претендуют на роль Бога в религиозных приложениях
Религиозные приложения с ИИ-чатами, претендующие на роль Бога, собирают миллионы исповедей пользователей, вызывая споры экспертов о духовных и психологических рисках.
