负责任扩展政策
Anthropic提出的AI安全承诺机制，通过设定模型能力阈值，在模型达到特定危险等级时触发相应安全要求，是一种自愿性的单边安全承诺框架
核心事实
时间轴 (近 90 天)
这些安全框架规定模型在达到特定风险等级时必须满足相应的缓解措施才能发布
Anthropic在2024年《负责任扩展政策》中承诺：若借助AI能在一年内完成按2018-2024年节奏本需两年的工作即达到AI研发5级门槛
Anthropic负责任扩展政策的核心缺陷在于判定是否达到阈值的权力仍掌握在实验室自己手中，而非独立第三方
负责任扩展政策（RSP）的代表性版本包括Anthropic于2023年发布的同名文件
批评者指出RSP本质上是实验室的自我承诺，缺乏独立的第三方监督机制
Anthropic有一套名为负责任扩展政策（RSP）的自我约束框架
Anthropic推行了负责任扩展政策（Responsible Scaling Policy, RSP），根据模型能力等级设定对应的安全防护要求
多家头部实验室已发布各自的负责任扩展政策（Responsible Scaling Policy）或准备框架（Preparedness Framework）
多家头部实验室已发布各自的负责任扩展政策（Responsible Scaling Policy）或准备框架（Preparedness Framework），为模型能力设定风险等级阈值
全部知识事实 (10)
Anthropic率先提出了「负责任扩展政策」（RSP），将AI系统按能力划分为ASL-1到ASL-4四个安全等级
90%已验证Anthropic推行了负责任扩展政策（Responsible Scaling Policy, RSP），根据模型能力等级设定对应的安全防护要求
65%待验证多家头部实验室已发布各自的负责任扩展政策（Responsible Scaling Policy）或准备框架（Preparedness Framework），为模型能力设定风险等级阈值
70%待验证这些安全框架规定模型在达到特定风险等级时必须满足相应的缓解措施才能发布
50%待验证Anthropic在2024年《负责任扩展政策》中承诺：若借助AI能在一年内完成按2018-2024年节奏本需两年的工作即达到AI研发5级门槛
50%待验证Anthropic负责任扩展政策的核心缺陷在于判定是否达到阈值的权力仍掌握在实验室自己手中，而非独立第三方
50%待验证负责任扩展政策（RSP）的代表性版本包括Anthropic于2023年发布的同名文件
50%待验证批评者指出RSP本质上是实验室的自我承诺，缺乏独立的第三方监督机制
50%待验证Anthropic有一套名为负责任扩展政策（RSP）的自我约束框架
50%待验证多家头部实验室已发布各自的负责任扩展政策（Responsible Scaling Policy）或准备框架（Preparedness Framework）
50%