Laporan Strategis  ·  2026-08-12

Menguji Agen Model Bahasa Besar pada Penggunaan Alat Biologis untuk Penghindaran Skrining Sintesis Asam Nukleat

Laporan StrategisHigh dampakGlobal
Pusat RAND tentang AI, Keamanan, dan Teknologi menerbitkan laporan penelitian baru yang mengevaluasi apakah agen model bahasa besar (LLM) dapat mengeksploitasi alat biologis (BTs) untuk merancang ulang peptida dan protein dengan cara yang menghindari skrining sintesis asam nukleat — safeguard biosecurity utama. Para penulis menemukan bahwa 'agen LLM menunjukkan kemampuan yang berkembang untuk menggunakan BTs untuk penghindaran skrining sintesis asam nukleat, meskipun keberhasilan tidak konsisten dan safeguard model sering kali membatasi pengujian sistem berbobot tertutup.' Ini adalah laporan penelitian RAND yang ditinjau sejawat (dipublikasikan 11 Agustus 2026) yang dibangun berdasarkan aliran kerja model ancaman biosecurity berkelanjutan RAND, mengikuti penilaian awal Juni 2026 'Bisakah Agen LLM Memilih dan Terlibat dengan Alat Biologis?'. Laporan ini menilai model ancaman spesifik — penyalahgunaan agentic menurunkan hambatan keahlian untuk biodesain berbahaya — bukan benchmark kemampuan umum.
Ini adalah sinyal empiris langsung bahwa sistem AI agentic mulai menunjukkan kemampuan yang relevan untuk mengabaikan infrastruktur skrining biosecurity, menginformasikan desain safeguard lab frontier, kebijakan biosecurity nasional, dan keputusan pengawasan penelitian dual-use.
Lab frontier dan tim kebijakan biosecurity harus meninjau kemanjuran safeguard berbobot tertutup terhadap penyalahgunaan agentic dan memberikan briefing kepada komite risiko tentang kesenjangan skrining sintesis asam nukleat.
RAND Corporation — Testing Large Language Model Agents on the Use of Biological Tools for Nucleic Acid Synthesis Screening EvasionRAND direct PDF
Lihat di umpan langsung Jelajahi temuan keamanan dan tata kelola AI terkait — diperbarui setiap pagi.
Buka umpan →