遏制评分榜

已发布的前沿安全框架：涵盖哪些严重风险（化学、生物、放射性和核，网络，失去控制，自动化研究），能力阈值有多具体，每个阈值要求哪些保障措施，由谁决定，由谁核查。

• A

  已发布的框架涵盖所有主要严重风险领域，设有可衡量的阈值、在每个等级预先承诺的保障措施、明确的风险接受标准、指定的决策机构并接受独立监督、对合规情况的外部审计，并定期更新。

• B

  已发布详细框架，覆盖大多数主要领域，设有明确阈值和必要的保障措施，但阈值大多是定性的，部分承诺属酌情处理或取决于竞争对手，或独立监督有限。

• C

  已发布框架，但范围狭窄、阈值很少或含糊、措辞多为酌情处理，或承诺较早期版本有所削弱。

• D

  没有自己的框架；该实验室仅签署了自愿承诺，例如 Seoul Frontier AI Safety Commitments、EU General-Purpose AI Code of Practice 或中国信通院（CAICT）的承诺。

• F

  未发现任何框架，也未发现已签署的安全承诺。

最新旗舰模型在发布前接受政府机构（美国 CAISSI、英国 AI Security Institute）和独立第三方（如 METR、Apollo Research、SecureBio、Irregular）测试的情况、它们的访问深度，以及结果是否公开。

• A

  旗舰模型在发布前由政府机构和独立第三方进行测试，且访问深入（未加缓解或仅有用性的检查点），评估方以自己的措辞发布结论，并享有发布自由。

• B

  发布前由政府机构或多家具名独立第三方直接访问模型进行测试，并记录结果，但摘要由公司撰写、访问细节有限或测试窗口较短。

• C

  发布前的外部测试或审查有限（未具名的红队人员、单项委托研究、只审查公司结果而不接触模型），或报告内容单薄。

• D

  存在外部测试承诺（自己的框架或签署的承诺），但没有证据表明旗舰模型在发布前接受过外部测试。

• F

  既无承诺，也无发布前外部测试的证据。发布后在实验室未参与的情况下进行的政府测试会被记录，但不计分。

关于关停的公开承诺和证据：在越过阈值时暂停训练或部署，终止开关和停止工作负载的权限，控制评估与内部部署监控，以及出现问题时的实际记录。

• A

  公开无条件承诺：在越过阈值且缺乏足够保障措施时暂停开发与部署；已发布控制评估和具有叫停权限的内部监控；并有实际使用的公开记录。

• B

  有严格的部署门槛，另有无条件的暂停承诺或已公开的内部监控与控制措施，但暂停承诺取决于竞争对手、已被削弱，或从未经过公开检验。

• C

  只有部署门槛（风险缓解前不部署），没有开发暂停，也没有控制评估；或暂停承诺被替换为“在缓解措施下继续开发”。

• D

  只有酌情性措辞（“可能关停”“视情况而定”），或签署了不开发、不部署的承诺，却没有公布触发该承诺的阈值。

• F

  未发现公开承诺。

实验室是否向公众说明出了什么问题：报告不当行为（欺骗、蓄意破坏、奖励破解、评估感知）的系统卡、公开的事件报告、滥用与透明度报告，以及依据加州 SB 53、EU AI Act 或类似规则向政府报告关键事件的书面流程。

• A

  每次前沿发布都有详细的系统卡，报告不当行为和外部发现；对严重事件及时发布公开技术报告；定期发布滥用或威胁报告；并有书面的政府报告流程。

• B

  有详细的系统卡和明确的事件处理流程，但存在缺口，例如没有事件说明、披露滞后或只有摘要。

• C

  模型卡或技术报告中的安全内容有限，并有一般性的事件处理流程。

• D

  安全文档极少；仅在法律要求时才报告事件。

• F

  未发现任何安全文档或事件披露。

已发布的吹哨人政策：是否涵盖安全问题、匿名渠道、向管理层以外的上报途径、反报复条款、不贬损协议的使用、公开的处理结果，以及过去 24 个月内的任何可信争议。

• A

  公开且独立的政策，涵盖安全问题及违反框架的情形；提供匿名双向渠道；可上报至董事会或外部监察员；有反报复条款；没有阻碍安全披露的不贬损条款；公开处理结果统计；且 24 个月内没有可信的报复争议。

• B

  公开政策涵盖安全问题，提供匿名举报和反报复保护，缺少一到两项 A 级要素，且 24 个月内没有未解决的可信争议。

• C

  仅有一般性的企业行为准则或框架条款，提供举报渠道和反报复表述；或原本达到 B 级的政策因近期的可信争议而被拉低。

• D

  声称存在相关政策但未公开，或近期存在压制披露的可信争议，例如对前员工执行不贬损协议。

• F

  在公开来源中未发现吹哨人政策或举报渠道。