Guidelight发布AI能力测试标准v1.0

AI安全公司Guidelight发布《Capability Testing》标准v1.0，用于衡量模型造成危害的能力，而非模型表现出的倾向。标准要求开发者维护涵盖CBRN、网络攻击、自动化AI研发、自主复制或适应、说服操纵等类别的威胁模型，并区分内部部署与外部部署场景。 标准按高层原则和具体实践组织。作者称，Practice 4e提供了检测模型sandbagging（故意藏拙）的具体思路；部分尚未成熟的内容被列为development directions，公开征求意见。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。