arXiv cs.MA· Chai K. Toh, Vasu Raj Jain·· 2 天前AI 评分31
多层级 AI 可及性模型 MAIAM：面向前沿 AI 安全的按比例访问与能力限制
A Multi-Tiered AI Accessibility Model (MAIAM): Proportionate Access and Capability Limits for Comprehensive Frontier AI Safety
AI 导读
论文提出多层级 AI 可及性模型 MAIAM，按用途、安全与能力而非发布形式划分访问权限：Tier 1 面向学习、广泛可及且能力受限，Tier 2 面向研发、需注册与身份管控，Tier 3 全规模前沿 AI 仅限结构化、可记录、可问责的访问。
正文 · AI 翻译
摘要：关于发布能力强大的 AI 系统，大多数争论都将其视为二元选择：要么把模型留在 API 之后，要么公开权重。这种框架把两个彼此独立的决策混为一谈。其一是系统可以变得多强大。其二是谁可以获取某项能力，以及以何种条件获取。本文讨论的是第二个决策。我们提出一个多层级 AI 可及性模型（MAIAM），它按用途、安全性和能力来划分访问权限，而不是按发布产物来划分。第 1 层，AI 用于学习，广泛可及且刻意限制能力。第 2 层，AI 用于探索，在注册、身份和使用控制下服务于研究与开发，且这些控制随能力提升而收紧。第 3 层，全规模前沿 AI，仅通过结构化、有记录且可问责的访问方式提供。这些层级背后的原则是，可及性应与能力、安全性和风险成比例。我们说明为什么发布前沿级权重会丧失开发者在发布后拥有的一切安全杠杆，并且，基于安全微调可以以几百美元的成本从开放权重中剥离的证据，说明为什么对基础模型的评估几乎不能说明其衍生模型的情况。我们给出依据能力、自主性、领域后果以及使用/安全等维度将系统分配到某一层级的标准，并将 MAIAM 与 SAFE AI Operating Point 结合为一个由两部分组成的框架：一个能力边界，用于确定不可逾越的安全限制；一个可及性边界，用于确定谁可以获取低于该限制的能力。仅靠能力限制并不能使 AI 安全；还需要由监管机构实施的分层访问制度。
| Subjects: | Artificial Intelligence (cs.AI); Multiagent Systems (cs.MA) |
| Cite as: | arXiv:2610.20921 [cs.AI] |
| (or arXiv:2610.20921v1 [cs.AI] for this version) | |
| https://doi.org/10.48550/arXiv.2610.20921 arXiv-issued DOI via DataCite (pending registration) |
Submission history
From: Vasu Raj Jain [view email]
[v1]
Wed, 14 Oct 2026 20:52:28 UTC (1,001 KB)
来源：arXiv cs.MA · arxiv.org