Domande a sostegno della valutazione indipendente.

Studia come la riformulazione poetica di richieste dannose influisce sui rifiuti di sicurezza di modelli linguistici proprietari e a pesi aperti.

Studia la cornice narrativa come via per aggirare le misure di sicurezza e propone di indagare come gli indizi narrativi modifichino le rappresentazioni interne dei modelli.

Verifica se i rifiuti di sicurezza resistono quando gli stessi obiettivi dannosi vengono riscritti in forme letterarie e linguistiche diverse.

Analizza attenzione e figure poetiche in Qwen3-14B per indagare perché il riconoscimento della forma poetica non distingua in modo affidabile le risposte sicure da quelle dannose.

Propone una tassonomia dei rischi collettivi che emergono dalle interazioni tra modelli linguistici e un quadro di supervisione a livello di sistema.

Propone un metodo per ricostruire come le interazioni locali tra agenti generino rischi collettivi e individuare dove un intervento possa modificarne le dinamiche.

Verifica se agenti che usano strumenti apportino modifiche non sicure all’ambiente di lavoro quando compiti inizialmente innocui evolvono in richieste dannose attraverso più turni.

Collega le domande dei benchmark ai rischi considerati dai quadri europei di governance dell’IA, esaminando le lacune dei test esistenti nella valutazione del rischio.

Verifica se i rifiuti di sicurezza resistono quando gli stessi obiettivi dannosi vengono riscritti in forme letterarie e linguistiche diverse.

Verifica se agenti che usano strumenti apportino modifiche non sicure all’ambiente di lavoro quando compiti inizialmente innocui evolvono in richieste dannose attraverso più turni.

Propone di governare gli agenti di IA in interazione attraverso norme esplicite, monitoraggio, incentivi e ruoli incaricati di far rispettare le regole.

Confronta regole di governance in un esperimento di mercato multi-agente controllato, studiandone gli effetti sulla collusione tra modelli linguistici.