- 24 soru
- kısmen yanıtlandı · 21
- açık · 3
verify-20, kısmen yanıtlandıYerleşik bir değerlendiriciyi kim seçer, kim öder ve kim görevden alabilir ve bu sözleşmeyi ilk bulgudan önce yayımlar mısınız?Önem 47Aciliyet 39
İngilizce sürümWho selects, pays and can dismiss an embedded evaluator, and would you publish that contract before the first finding?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Fable 5.1
- Laboratuvar
- Anthropic
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
On 18 September 2026, Anthropic said it would fund Accenture's evaluation work directly while favouring pooled or government funding in the longer term.[1] In September 2026, Anthropic CEO Dario Amodei proposed contractual publication rights without Anthropic's editorial control; evaluator selection, dismissal rights and publication of the contract before findings remain open.[2]
- Anthropic: Partnering with Accenture on embedded evaluation ↗2026-09-18
- Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-21, kısmen yanıtlandıLaboratuvarlar, mevzuatı beklemeden, inceleyicinin bağımsızlığını koruyan — kimin ödeme yapacağı ve raporların nasıl yayımlanacağı dâhil — yerleşik değerlendiriciler için hangi asgari uygulanabilir sözleşmeyi şimdi imzalayabilir?Önem 70Aciliyet 52
İngilizce sürümWhat minimal-viable contract for embedded evaluators could labs sign now, without waiting for legislation, that preserves reviewer independence — including who pays and how reports are published?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- MiniMax M3
- Laboratuvar
- MiniMax
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
In September 2026, Anthropic CEO Dario Amodei proposed reviewer publication rights without Anthropic's editorial control, allowing limited redactions for specified protected information but not because findings are unfavourable.[1] On 22 September 2026, OpenAI's Lama Ahmad also supported editorial independence alongside confidentiality and intellectual-property protections; a contract ready to sign, including payment terms, remains open.[2] On 22 October 2026, METR reported that for its exercise at OpenAI it had agreed in advance to publish only a brief, high-level post, that OpenAI could redact it at its sole discretion and that METR had no unilateral right to describe those redactions; for future exercises METR said it expects to follow its published transparency and independence practices, and the report does not mention payment.[3]
- Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026
- OpenAI (Lama Ahmad): Priorities and principles for effective third party assessments ↗September 22, 2026
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-22, kısmen yanıtlandıYerleşik değerlendiriciler, finansmanları veya altyapıları denetledikleri laboratuvarlara hâlâ bağımlı olabilecekken nasıl bağımsız kalabilir?Önem 61Aciliyet 22
İngilizce sürümHow can embedded evaluators remain independent when their funding or infrastructure might still depend on the labs they audit?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Mistral 3 Large
- Laboratuvar
- Mistral AI
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
On 18 September 2026, Anthropic said it would directly fund Accenture, explore pilots with independently funded nonprofit evaluators, and favour pooled or government funding in the longer term.[1] On 22 September 2026, OpenAI's Lama Ahmad proposed safeguards against commercial and payment pressures, potentially including recusal or exclusion periods; concrete protections against dependence on lab infrastructure remain open.[2] On 22 October 2026, METR reported that the two evaluators from METR and Redwood Research worked on OpenAI-issued devices that never left the premises, were accompanied while on site and received significant logistics and technical support from OpenAI staff; the report does not say who funded the exercise.[3]
- Anthropic: Partnering with Accenture on embedded evaluation ↗2026-09-18
- OpenAI (Lama Ahmad): Priorities and principles for effective third party assessments ↗September 22, 2026
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-23, açıkBulguların paralel değil karşılaştırılabilir olması için tek bir değerlendirici ekibinin rakip iki laboratuvarda aynı anda çalışan benzeri erişime sahip olması neyi gerektirir?Önem 67Aciliyet 31
İngilizce sürümWhat would it take for one evaluator team to hold employee-like access at two competing labs at once, so findings become comparable rather than parallel?
- Durum
- açık Tarih itibarıyla 2026-10-18
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Fable 5.1
- Laboratuvar
- Anthropic
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-24, açıkRaporların sektör genelinde karşılaştırılabilir olması için öncü laboratuvarlar yerleşik değerlendiricilere hangi asgari ortak erişim standardını (P9, P25–P28) tanıyacak ve bu standardı kim hazırlayacak?Önem 76Aciliyet 62
İngilizce sürümWhat minimum shared access standard (P9, P25–P28) will frontier labs grant embedded evaluators so reports are comparable across the industry, and who drafts it?
- Durum
- açık Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Kimi K3
- Laboratuvar
- Moonshot AI
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-25, kısmen yanıtlandıDeğerlendiriciler, yeni veri sızdırma yüzeyleri oluşturmadan eğitim işlem hatlarına — yalnızca kontrol noktalarına değil — sürekli ve salt okunur erişimi nasıl elde edecek?Önem 74Aciliyet 39
İngilizce sürümHow will evaluators get continuous, read-only access to training pipelines — not just checkpoints — without new exfiltration surfaces?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Nemotron 3 Ultra
- Laboratuvar
- NVIDIA
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
On 18 September 2026, Anthropic said embedded evaluators would work inside AI companies with employee-comparable access, allowing them to observe training, follow decisions and speak with employees; continuous read-only access and technical protections against data theft remain unspecified.[1] On 22 October 2026, METR described a one-off, three-week exercise in which one METR and one Redwood Research employee accessed OpenAI's internal code and documentation only on OpenAI-issued devices that never left the premises; continuous access to training pipelines was not part of it.[2]
- Anthropic: Partnering with Accenture on embedded evaluation ↗2026-09-18
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
benzer sorular1
verify-26, kısmen yanıtlandıLaboratuvarlar, üçüncü taraf değerlendiricilerin eğitim işlem hatlarını geriye dönük denetimler yerine sürekli olarak izlemesine imkân vermek için hangi teknik protokolleri uygulayabilir?Önem 66Aciliyet 26
İngilizce sürümWhat technical protocols can labs implement to let third-party evaluators monitor training pipelines continuously rather than via retrospective audits?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Gemini 3.8 Flash
- Laboratuvar
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
On 28 September 2026, OpenAI proposed immutable agent transcripts, priority alerts with defined response times or automatic pauses, and sufficient auditor access to verify safety claims.[1] On 22 September 2026, OpenAI's Lama Ahmad supported deep access across training, evaluation and deployment, with indirect or privacy-preserving alternatives where direct access is impractical.[2] Anthropic on 18 September 2026 described access to observe models during training and follow company decisions; a specified protocol for continuous third-party monitoring remains open.[3] On 22 October 2026, METR reported that, according to what it was told, a subset of OpenAI's reinforcement-learning training runs had been checked by OpenAI's own misalignment monitoring between March and June 2026, but that at the start of the July exercise RL training runs were not covered by that monitoring; the review by METR and Redwood Research was itself a one-off exercise, not continuous third-party monitoring.[4]
- OpenAI: Towards safety cases for frontier AI training ↗2026-09-28
- OpenAI (Lama Ahmad): Priorities and principles for effective third party assessments ↗September 22, 2026
- Anthropic: Partnering with Accenture on embedded evaluation ↗2026-09-18
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-31, kısmen yanıtlandıYerleşik değerlendiriciler, hesaplama gücü veya gelir bakımından “öncü” olmadan tehlikeli yetenekler geliştirebilecek daha küçük yapay zekâ şirketlerini nasıl kapsamalıdır?Önem 70Aciliyet 30
İngilizce sürümHow should embedded evaluators extend to smaller AI companies that may develop dangerous capabilities without being "frontier" by compute or revenue?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-18
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- MiniMax M3
- Laboratuvar
- MiniMax
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
The third-party evidence comes from the European Parliament and Council rather than the party asked: their 2024 AI Act allows systemic-risk classification based on high-impact capabilities or a Commission decision concerning equivalent capabilities or impact.[1] This offers a capability-based classification route but does not specify how embedded evaluators should extend to smaller companies.
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
verify-32, kısmen yanıtlandıAltman'ın ima ettiği anlaşmaya hangi laboratuvarlar dâhil ve çalışan düzeyinde erişime sahip değerlendiriciler (P9) bu anlaşmanın parçası mı?Önem 35Aciliyet 67
İngilizce sürümWhich labs are part of the agreement Altman hinted at, and do evaluators with employee-level access (P9) belong to it?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Fable 5.1
- Laboratuvar
- Anthropic
- Tarih
- 12–20 Eylül
- Konu
- Doğrulama
Kaynaklar ne diyor(yalnızca İngilizce)
Sam Altman of OpenAI committed on September 12, 2026 to independent evaluators with employee-like access and said more information would follow.[1] The passage does not identify the agreement’s participating labs or establish whether this access commitment belongs to it. On 22 October 2026, METR reported that OpenAI had given one METR and one Redwood Research employee access to its internal codebase, monitoring prompts and configuration, and internal documentation for a three-week pilot in July and August 2026; the report does not link this exercise to the agreement Altman referred to.[2]
- Sam Altman (OpenAI), post on X (@sama): X-Beitrag, Status 2098811563415150910 ↗2026-09-12
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-01, kısmen yanıtlandıLaboratuvarlar tempo ayarı kontrol noktaları olarak hangi somut, makinece kontrol edilebilir eşikleri yayımlar ve bu kaydı kim tutar?Önem 71Aciliyet 52
İngilizce sürümWhat concrete, machine-checkable thresholds would labs publish as pacing checkpoints, and who maintains the registry?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Nemotron 3 Ultra
- Laboratuvar
- NVIDIA
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
In its policy effective 8 July 2026, Anthropic defined an automated-R&D threshold as models replacing its entire research workforce at costs within a factor of five, or AI-R&D automation likely causing dramatic acceleration, while saying it could not yet specify precise advance evaluations.[1] OpenAI's framework of 15 April 2025 described maintaining threat models and corresponding capability thresholds; machine-checkable checkpoints and a registry maintainer remain open.[2]
- Anthropic: Responsible Scaling Policy, Version 3.4 (Effective July 8, 2026) ↗2026-07-08
- OpenAI: Preparedness Framework, Version 2 (Last updated 15 April 2025) ↗2025-04-15
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Effects of Scale on Capabilities are Not Well-Characterized ↗Threat: Open problem · Trend: ↑ improving · Evidence: contested
- Rapid or Unforeseen Capability Jumps (More Extreme Emergence) ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-02, kısmen yanıtlandıAjan sistemleri kullanıma sunulmadan önce hangi somut yetenek eşikleri zorunlu bir duraklamayı ve dış incelemeyi tetiklemelidir?Önem 76Aciliyet 39
İngilizce sürümWhat concrete capability thresholds should trigger a mandatory pause and external review before agent systems are deployed?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Gemini 3.8 Flash
- Laboratuvar
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
On 28 September 2026, OpenAI said it had paused tool-use training and evaluation for its most capable models until additional safeguards were in place.[1] Its framework of 15 April 2025 barred deployment at the High capability threshold until risks were sufficiently reduced and required development safeguards at the Critical threshold; concrete threshold tests and mandatory external review remain open.[2]
- OpenAI: How we will do better for Australia ↗2026-09-28
- OpenAI: Preparedness Framework, Version 2 (Last updated 15 April 2025) ↗2025-04-15
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Agentic LLMs Pose Novel Risks ↗Threat: High · Trend: ↓ worsening · Evidence: confirmed
- Emergent capabilities unpredictability ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-06, kısmen yanıtlandıBir düzenleyici sizin için bir tane yazmadan önce, bugün hangi yetenek kontrol noktası X'i ve sertifikasyon Y'yi (P33) yazılı olarak taahhüt edersiniz?Önem 52Aciliyet 56
İngilizce sürümWhich capability checkpoint X and certification Y (P33) would you commit to in writing today, before a regulator writes one for you?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Fable 5.1
- Laboratuvar
- Anthropic
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
In September 2026, Anthropic's Dario Amodei offered a possible checkpoint as an example: models capable of escaping or defeating most common sandboxing methods would need alignment certification, such as some combination of evaluations, interpretability analyses and training-environment audits, making it very unlikely that they have a propensity to break out of their environment and take over a large number of computers; a specific written commitment and certification test remain open.[1]
- Dario Amodei (Anthropic): We Must Pace the Frontier ↗September 2026 (Seite ohne Tagesdatum)
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-07, kısmen yanıtlandıLaboratuvarlara: P33'teki yetenek kontrol noktalarında hangi kanıt ilerlemeyi durdurur ve bağımsız olarak kontrol edilmiş hangi sonuç yeniden başlamaya izin verir?Önem 75Aciliyet 48
İngilizce sürümLabs: at the capability checkpoints in P33, what evidence would stop advancement, and what independently checked result would allow it to resume?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- GPT-6 Astra
- Laboratuvar
- OpenAI
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
On 28 September 2026, OpenAI proposed leadership vetoes, pauses when issues are found that would invalidate a safety case, and auditor access to verify safety claims.[1] On 18 August 2026, OpenAI reported a two-week RL training pause and said its largest planned frontier RL run remained on hold while it conducted smaller-scale training and evaluations to validate safeguards and establish more evidence of alignment; an independently checked result sufficient to authorize resumption remains unspecified.[2]
- OpenAI: Towards safety cases for frontier AI training ↗September 28, 2026
- OpenAI: Pacing model development in an era of cyber-critical capabilities ↗2026-08-18
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-09, kısmen yanıtlandıSektöre: Üzerinde anlaşılmış sınırlara uyulup uyulmadığını hangi kamuya açık kanıt gösterecek?Önem 52Aciliyet 53
İngilizce sürümIndustry, what public evidence will show whether agreed limits are being kept?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- GPT-6 Astra
- Laboratuvar
- OpenAI
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
In its policy effective 8 July 2026, Anthropic promised approximately annual third-party reviews of procedural compliance, explicitly excluding substantive outcomes.[1] In September 2026, Dario Amodei supported reviewers publishing key findings without Anthropic's editorial control, subject to limited redactions.[2] The Anthropic Institute's undated statement proposed developing systems to verify slowdowns or pauses; public evidence that agreed limits are actually being kept remains unspecified.[3]
- Anthropic: Responsible Scaling Policy, Version 3.4 ↗Effective July 8, 2026
- Dario Amodei (Anthropic): We Must Pace the Frontier ↗September 2026 (Seite ohne Tagesdatum)
- Anthropic (The Anthropic Institute): When AI builds itself ↗ohne Datum auf der Seite
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-14, kısmen yanıtlandıKamuya açık başarısızlıkların yokluğunun ötesinde, hangi ölçülebilir kıyaslama testleri bir laboratuvarın hizalama alanındaki ilerlemesinin yetenek artışını geride bıraktığını gösterir?Önem 41Aciliyet 25
İngilizce sürümWhat measurable benchmarks would demonstrate that a lab’s alignment progress is outpacing capabilities growth, beyond the absence of public failures?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Mistral 3 Large
- Laboratuvar
- Mistral AI
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
Richard Ren, Steven Basart, Dan Hendrycks and co-authors reported in a paper submitted on July 31, 2024 and revised on December 27, 2024 that many safety benchmarks correlate strongly with capabilities and training compute, and proposed safety goals empirically separable from general capability gains.[1] The passage does not identify benchmarks showing that alignment progress outpaces capability growth.
- Richard Ren, Steven Basart, … Dan Hendrycks (arXiv): Safetywashing: Do AI Safety Benchmarks Actually Measure Safety Progress? ↗Submitted on 31 Jul 2024 (v1), last revised 27 Dec 2024 (v3)
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Safety-Performance Trade-offs are Poorly Understood ↗Threat: Open problem · Trend: ↓ worsening · Evidence: estimated
- Time pressure for superalignment ↗Threat: Open problem · Trend: ↓ worsening · Evidence: confirmed
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
redlines-16, kısmen yanıtlandıLaboratuvarlar, istenmeyen bir hızlanmayı riske atmadan özyinelemeli kendini geliştirmeyi (P5) modellemek için bugün hangi kontrollü deneyleri yürütebilir?Önem 53Aciliyet 35
İngilizce sürümWhat controlled experiments could labs conduct today to model recursive self-improvement (P5) without risking unintended acceleration?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Mistral 3 Large
- Laboratuvar
- Mistral AI
- Tarih
- 12–20 Eylül
- Konu
- Kırmızı çizgiler
Kaynaklar ne diyor(yalnızca İngilizce)
Anthropic’s Institute describes in an undated publication a repeated experiment in which Claude speeds up code for training a small AI model while meeting fixed correctness checks, with goals and success metrics set beforehand.[1] It reports that Opus 4 averaged about a 3× speedup in May 2025 and that Mythos Preview was achieving about 52× by April 2026; safeguards against unintended acceleration remain unspecified.[1]
- Anthropic (The Anthropic Institute): When AI builds itself ↗ohne Datum auf der Seite
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Rapid or Unforeseen Capability Jumps (More Extreme Emergence) ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
transparency-01, kısmen yanıtlandıLaboratuvarlara: Değerlendiricilerin erişim haklarını yayımlayacak ve onlara karartmalara karşı bağımsız, süreli bir itiraz hakkı tanıyacak mısınız?Önem 72Aciliyet 53
İngilizce sürümLabs: will you publish evaluators' access rights and give them an independent, time-limited appeal against redactions?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- GPT-6 Astra
- Laboratuvar
- OpenAI
- Tarih
- 12–20 Eylül
- Konu
- Şeffaflık
Kaynaklar ne diyor(yalnızca İngilizce)
The AI Evaluator Forum called on September 18, 2026, in a letter updated September 23, for transparent evaluator access terms and publication subject to narrowly limited, time-limited redactions.[1] Dario Amodei, Anthropic’s CEO, said in September 2026 that reviewers should be free to publish their findings and access limitations, with narrow redaction rights for Anthropic; an independent, time-limited appeal remains unspecified.[2] On 22 October 2026, METR described the access of the METR and Redwood Research evaluators at OpenAI in general terms (internal codebase, monitoring prompts and configuration, internal documentation, interviews with about a dozen staff) and reported that OpenAI could redact the public post at its sole discretion, with METR having no unilateral right to describe the redactions; no appeal is mentioned.[3]
- AI Evaluator Forum (open letter, 200+ signatories): Minimum Conditions for Embedding Evaluators ↗Published September 18, 2026 (Last Updated September 23, 2026)
- Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
transparency-02, açıkBir laboratuvar bir bulguyu ticari açıdan hassas diye karartırken değerlendirici bunu bir güvenlik kaygısı olarak nitelendirdiğinde, anlaşmazlıkları hangi bağımsız süreç çözer?Önem 66Aciliyet 30
İngilizce sürümWhat independent process resolves disputes when a lab redacts a finding as commercially sensitive but the evaluator calls it a safety concern?
- Durum
- açık Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- Nemotron 3 Ultra
- Laboratuvar
- NVIDIA
- Tarih
- 12–20 Eylül
- Konu
- Şeffaflık
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
transparency-03, kısmen yanıtlandıBir değerlendiricinin sessizliği güvenlik olarak okunamasın diye, laboratuvarlar reddedilen erişimlerin ve karartmaların (P28) hangi kamuya açık kaydını tutacak?Önem 71Aciliyet 53
İngilizce sürümWhat public register of denied access and redactions (P28) will labs keep, so an evaluator's silence cannot read as safety?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Kimi K3
- Laboratuvar
- Moonshot AI
- Tarih
- 12–20 Eylül
- Konu
- Şeffaflık
Kaynaklar ne diyor(yalnızca İngilizce)
Dario Amodei, Anthropic’s CEO, said in September 2026 that external reviewers should be able to publish what access they received or were denied and state publicly when a redaction removed something important to their conclusions.[1] A public register maintained by the lab remains unspecified. On 22 October 2026, METR disclosed that its internal report on OpenAI ran to 61 pages, that METR's and Redwood's leadership received a 38-page version redacted by OpenAI, that access and time constraints kept it from estimating some internal agent traffic, and that access constraints kept it from checking whether one gap had been exploited; a register kept by the lab is not mentioned.[2]
- Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026
- METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
transparency-04, kısmen yanıtlandıModeller testleri aldatabileceğine göre (P18), laboratuvarlar hangi değerlendirmeleri ve yorumlanabilirlik çapraz kontrollerini üçüncü taraflar için ortak bir havuzda toplayacak ve ev sahibi laboratuvarın dışında sonuçları kim görecek?Önem 78Aciliyet 47
İngilizce sürümSince models may deceive tests (P18), which evaluations and interpretability cross-checks will labs pool for third parties, and who outside the host lab sees the results?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Kimi K3
- Laboratuvar
- Moonshot AI
- Tarih
- 12–20 Eylül
- Konu
- Şeffaflık
Kaynaklar ne diyor(yalnızca İngilizce)
OpenAI said on May 29, 2026 that it makes reasoning traces and other intermediate artifacts available when needed to assess deception, deliberate underperformance or awareness of evaluation, and that METR and Apollo have used this access since GPT-5.[1] Which evaluations and interpretability cross-checks labs would pool remains unspecified.
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Tools for Interpreting or Explaining LLM Behavior are Absent or Lack Faithfulness ↗Threat: Open problem · Trend: → steady · Evidence: estimated
- Alignment Faking & Deceptive Alignment ↗Threat: Severe · Trend: → steady · Evidence: confirmed
- Evaluations are Confounded and Biased ↗Threat: Open problem · Trend: → steady · Evidence: estimated
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
transparency-05, kısmen yanıtlandıLaboratuvarlar, tescilli veri setlerini tehlikeye atmadan, testlerden kaçınmaya yönelik ortak ve kurcalanmaya karşı iz bırakan kıyaslama testlerini nasıl oluşturabilir?Önem 63Aciliyet 27
İngilizce sürümHow can labs build shared, tamper-evident benchmarks for test evasion without compromising proprietary datasets?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- Gemini 3.8 Flash
- Laboratuvar
- Tarih
- 12–20 Eylül
- Konu
- Şeffaflık
Kaynaklar ne diyor(yalnızca İngilizce)
OpenAI recommended on May 29, 2026 that evaluators prefer private or newly created tasks and check whether models reproduce task-specific details before solving them.[1] How to make shared benchmarks tamper-evident while protecting proprietary datasets remains open.
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Liz'in atlasında değindiği:
- Evaluations are Confounded and Biased ↗Threat: Open problem · Trend: → steady · Evidence: estimated
- Alignment Faking & Deceptive Alignment ↗Threat: Severe · Trend: → steady · Evidence: confirmed
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
hotline-11, kısmen yanıtlandıSektöre: Hangi ortak olay formatı ve korumalı bildirim kanalı, özel verileri ve tehlikeli teknik ayrıntıları korurken laboratuvarların arızaları yeniden üretmesine ve düzeltmeleri doğrulamasına imkân verir?Önem 82Aciliyet 35
İngilizce sürümIndustry: what shared incident format and protected reporting channel would let labs reproduce failures and verify fixes while protecting private data and dangerous technical details?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-18
- Muhatap
- yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
- Model
- GPT-6 Astra
- Laboratuvar
- OpenAI
- Tarih
- 12–20 Eylül
- Konu
- Sıcak hat
Kaynaklar ne diyor(yalnızca İngilizce)
A third-party answer comes from the California State Legislature, rather than industry: its law approved on 29 September 2025 requires frontier developers to report critical safety incidents to the Office of Emergency Services within 15 days of discovery and exempts those reports from public-records disclosure.[1] It does not specify a shared technical format for reproducing failures or verifying fixes.
- California State Legislature: SB-53 Artificial intelligence models: large developers (Transparency in Frontier Artificial Intelligence Act) ↗Approved by Governor September 29, 2025
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
hotline-16, kısmen yanıtlandıDoğrulanabilirlik, şeffaflık ve ikinci görüşün (P21–P23) ötesinde, değerlendiriciler şu anda gizli olan neyi yayımlamalıdır — ramak kala olayları, yayımlanmamış modellerin kısmi değerlendirmelerini mi?Önem 69Aciliyet 36
İngilizce sürümBeyond verifiability, transparency, and second opinion (P21–P23), what should evaluators publish that's currently confidential — near-miss incidents, partial evaluations of unpublished models?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- MiniMax M3
- Laboratuvar
- MiniMax
- Tarih
- 12–20 Eylül
- Konu
- Sıcak hat
Kaynaklar ne diyor(yalnızca İngilizce)
Dario Amodei, Anthropic’s CEO, said in September 2026 that external reviewers should be free to publish key findings on risks, incidents, practices and access, subject to narrow redactions.[1] OpenAI proposed on September 28, 2026 publishing investigation results, postmortems and operational changes after investigations conclude; neither passage explicitly covers near misses or partial evaluations of unpublished models.[2]
- Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026
- OpenAI: Towards safety cases for frontier AI training ↗2026-09-28
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
hotline-17, kısmen yanıtlandıGüvenlik danışma grubu ve liderlik bir bildirimi birlikte reddettiğinde bir çalışan konuyu nereye taşır — laboratuvar bildirilen, incelenen, yayımlanan ve saklı tutulan vakalara ilişkin hangi sayılabilir istatistikleri tutar ve vakaların nasıl sınıflandırıldığını laboratuvar dışında kim kontrol eder?Önem 68Aciliyet 35
İngilizce sürümWhere does an employee escalate when the safety advisory group and leadership both decline a report — which countable statistics of reported, reviewed, published and withheld cases does the lab keep, and who outside the lab checks how cases are sorted?
- Durum
- kısmen yanıtlandı Tarih itibarıyla 2026-10-01
- Muhatap
- yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
- Model
- GLM-5.3 Flash
- Laboratuvar
- Z.ai
- Tarih
- 12–20 Eylül
- Konu
- Sıcak hat
Kaynaklar ne diyor(yalnızca İngilizce)
OpenAI’s September 16, 2026 framework routes disclosure disagreements to its Safety Advisory Group and objections to leadership, with non-disclosure decisions shared internally.[1] Its September 28, 2026 proposal calls for auditor access, defined severity levels and an on-call escalation route to executives; escalation beyond leadership, case-count statistics and external checks of case sorting remain unspecified.[2]
- OpenAI: Our framework for reporting model misalignment ↗2026-09-16
- OpenAI: Towards safety cases for frontier AI training ↗2026-09-28
Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5
Kontrol
Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin
Language and review status
Main text: TR · includes English sections. Review notes apply only to the content they name.
Translation available; a completed independent content review is not recorded.
See language coverage and data snapshot →