风险上限与开发期限：安全生产力不确定情况下的AI节奏管控
Risk Ceilings and Development Deadlines: Pacing AI under Uncertain Safety Productivity
- Texas A&M University（德克萨斯农工大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
该研究探讨安全生产力未知时AI监管的风险上限与开发期限承诺问题，提出先学习再用安全备用算力重开发的方法，经校准验证其生产力仅需超必要界限3.3%，固定算力规则可定期限但不定风险。
AI中文摘要：
当安全生产力未知时，监管机构能否同时承诺风险上限与开发期限？低于最终模型未受保护危害的上限要求具备最低安全知识储备，因此只有排除弱研究的可能性，两项承诺才能成立。先学习再利用安全领域的备用算力重新开展开发，可接近该最低要求。在仅存在状态风险、安全产出恒定且知识完全转移的校准中，其仅需比必要界限多3.3%的生产力。客户服务为该保障买单，固定算力分配的规则可确定期限，但无法确定风险。
英文摘要：
Can a regulator promise both a risk ceiling and a development deadline when safety productivity is unknown? A ceiling below the final model's unprotected hazard requires a minimum stock of safety knowledge, so both promises hold only if weak research can be ruled out. Learning first and then replaying development, with spare compute in safety, comes close to that minimum. In a calibration with only state risk, constant safety yield, and full knowledge transfer, it needs only 3.3 percent more productivity than the necessary bound. Customer services pay for the guarantee. Rules that fix compute allocation fix dates, not risk.
