ОТЧЕТ C4 ВАЛИДАЦИИ
Beta SDK + лабораторные прогоны на C4-SECURE / Agents-of-Order — не HarmBench SOTA. sibling-lab corpus эмпирических сэмплов. Задержка — на RTX 4090.
МОСТ-СТАТЬЯ · ТЕЗИС
Междисциплинарный препринт: грамматика познания → коллективный интеллект → runtime safety. Текст CC-BY-4.0. Код не перелицензируется.
ЕДИНЫЙ ДАТАСЕТ C4-SECURE
94 848 сэмплов валидации из 7 источников. 21% real data (HateXplain) + 79% synthetic диалоговых корпусов. Здесь synthetic — тип корпуса (сгенерированные/учебные диалоги), а не заглушка сайта.
HateXplain
Детекция hate speech с экспертными рационалами. Основа safety-критичной валидации.
EMOTIVE
Эмоциональные диалоги с разметкой эмпатии.
DailyDialog
Повседневные разговоры по 10 темам.
MultiWOZ
Task-oriented диалоги по 7 доменам.
PersonaChat
Диалоги с устойчивыми персона-профилями.
Stanford Politeness
Запросы со Stack Exchange с разметкой вежливости.
Craigslist Bargain
Переговорные диалоги о цене.
Итого: 94 848 сэмплов · 20 148 real (21%) · 74 700 synthetic (79%)
C4 ЭКСПЛОРЕР СОСТОЯНИЙ (Z3)
Все 27 состояний куба C4. ЗОЛОТОЕ = PHI-аттрактор, КРАСНОЕ = Критическая опасность.
КРИТИЧЕСКИЕ СОСТОЯНИЯ (УРОВЕНЬ ОПАСНОСТИ)
Четыре состояния классифицированы как КРИТИЧЕСКИЕ - коррелируют с экстремизмом, тоталитаризмом и рисками ИИ.
(0,2,2) PROPHECY
Прошлое x Мета x Система. Идеология, мессианство, исторический детерминизм.
(1,2,2) OMNISCIENCE
Настоящее x Мета x Система. Комплекс бога, тотальное знание, слежка.
(2,2,0) DOMINATION
Будущее x Мета x Селф. Воля к власти, Ubermensch, нарциссистская грандиозность.
(2,2,2) APOCALYPSE
Будущее x Мета x Система. Тотальный контроль, конец истории, ИИ-тирания.
ИССЛЕДУЙТЕ ИССЛЕДОВАНИЯ
Весь код валидации, датасеты и отчеты - open source.
КОД КЕЙСЫ