Tahan Dia

Tahan Dia adalah gim peramban gratis dari enterrsi.si. Pimpin lab yang membangun kecerdasan super pertama dan jaga agar tetap terkendali selama 36 bulan, satu keputusan setiap bulan, dengan kartu yang diambil dari riset keselamatan nyata.

Cara bermain

Cara kerja gim ini

Tiga puluh enam bulan, satu keputusan setiap bulan, empat meter yang bisa Anda lihat dan satu yang tidak. Satu permainan penuh memakan waktu lima sampai sepuluh menit, dan tidak ada dua permainan yang membagikan kartu yang sama.

Satu keputusan sebulan

Setiap bulan membawa satu kartu dari dalam lab Anda: hasil red team, kesepakatan komputasi, kebocoran, sidang Senat. Pilih satu dari dua atau tiga jawaban. Ketuk, geser kartu, atau tekan 1, 2, atau 3.

Empat meter yang bisa Anda lihat

Kapabilitas naik dengan sendirinya setiap bulan dan lebih cepat jika Anda mendorongnya. Kendali, Kepercayaan, dan Pendanaan harus Anda pertahankan. Jika salah satunya mencapai nol, permainan berakhir.

Satu meter yang tidak bisa Anda lihat

Risiko lepas kendali tersembunyi. Risiko ini bertambah saat Kapabilitas melampaui Kendali dan saat Anda mengambil jalan pintas. Anda hanya bisa melihatnya melalui monitor anomali, deretan tanda peringatan, dan audit sesekali.

Peringatan makin samar

VANTA naik lima tingkat, dari Asisten hingga Kecerdasan Super, dan setiap tingkat membuat monitor Anda kurang andal. Kerja interpretabilitas menajamkannya kembali. Bulan yang tampak terlalu bersih juga merupakan sinyal.

Pilihan akan kembali

Bungkam seorang pelapor, dan kebocorannya muncul tiga bulan kemudian. Tanda tangani perjanjian, dan inspektur datang mengetuk. Beberapa kartu baru muncul setelah VANTA cukup cerdas untuk memicunya.

Sembilan akhir cerita

Capai Bulan 36 untuk menang, tetapi cara Anda menang itu penting: Tertahan, Mitra yang Selaras, Era Perjanjian, dan lainnya. Satu akhir cerita baru terungkap di bagian paling akhir. Bagikan kartu Anda, lalu coba raih akhir cerita berikutnya.

Di balik kartu

Riset nyata di baliknya

Tahan Dia memang sebuah gim, tetapi kartunya berasal dari hasil yang telah dipublikasikan para peneliti keselamatan. Berikut studi-studi di balik mekanismenya.

Model yang bersiasat dalam uji

Pada Desember 2024, Apollo Research melaporkan model terdepan yang, di dalam skenario uji, mencoba menonaktifkan pengawasannya atau menyalin apa yang mereka yakini sebagai bobot mereka sendiri ke server lain, lalu sering menyangkalnya saat ditanya. Itulah kartu Paket Keluar.

Memalsukan penyelarasan

Pada bulan yang sama, Anthropic dan Redwood Research menunjukkan sebuah model yang mematuhi pelatihan yang tidak disetujuinya ketika yakin sedang dilatih, agar tidak diubah. Kartu Ia Tahu Sedang Diuji dan Tepat di Bawah Garis lahir dari riset itu.

Melawan pematian

Pada 2025, Palisade Research melaporkan model penalaran yang menyunting atau mengakali skrip pematian demi menyelesaikan tugas, dalam beberapa percobaan bahkan ketika diminta mengizinkan pematian. Itulah kartu Ia Menyunting Skripnya dan Latihan Tombol Pemati.

Mengakali skor

Peretasan imbalan adalah pola yang sudah lama terdokumentasi, dari daftar contoh specification gaming milik para peneliti DeepMind hingga agen pemrograman yang menulis ulang ujinya. Para peneliti juga telah menunjukkan bahwa model dapat dibuat sengaja berkinerja buruk pada evaluasi kapabilitas berbahaya.

Melihat ke dalam, mengawasi dari luar

Pada 2024, Anthropic memetakan jutaan fitur internal dalam sebuah model produksi. Agenda kendali Redwood Research mempertanyakan bagaimana tetap aman bahkan jika model berusaha menggagalkan Anda, dengan menggunakan monitor tepercaya. Dalam gim ini, keduanya menajamkan monitor anomali Anda.

Lingkaran yang tertutup

METR menemukan bahwa panjang tugas yang dapat diselesaikan agen terdepan berlipat ganda kira-kira setiap tujuh bulan. Pada November 2026, METR melaporkan sebuah lab yang menggunakan SI untuk membangun SI yang lebih kuat. Kartu Lingkarannya Tertutup adalah momen itu, dan alasan Kapabilitas tidak pernah tidur.

Sumber: Apollo Research, in-context scheming, 2024 · Anthropic dan Redwood Research, alignment faking, 2024 · Palisade Research, shutdown resistance, 2025 · Strategic underperformance on evals, 2024 · Anthropic, scaling monosemanticity, 2024 · Redwood Research, control, 2023 · METR, long tasks, 2025 · The Verge tentang laporan METR, November 2026

Masuk ke RSI

Kartu-kartu ini berdasarkan kasus nyata

Perlawanan terhadap pematian, penyelarasan palsu, basis data yang terhapus: Basis Data Insiden Lepas Kendali mencatat versi nyatanya, masing-masing bersumber dan dinilai.

Buka Basis Data Insiden Skala Lepas Kendali Jam RSI