UK AISI: Engineering Playbook otvara infrastrukturu za evaluaciju frontier modela u pet slojeva

UK AI Safety Institute (AISI), britanska državna agencija za sigurnost umjetne inteligencije, objavio je 18. lipnja 2026. Engineering Playbook — open-source dokumentaciju vlastite infrastrukture za evaluaciju frontier modela. Frontier modeli su najnapredniji AI sustavi, a njihovo testiranje zahtijeva specijaliziranu infrastrukturu za izolaciju, pokretanje i mjerenje ponašanja modela.

Pet slojeva evaluacije

Playbook je strukturiran u pet slojeva: Evaluate (definiranje testova), Isolate (sigurnosna izolacija), Connect (povezivanje s modelima), Run (pokretanje) i Scale (skaliranje na veće radne opterećenje). Struktura pokriva cijeli put od osmišljavanja testa do compute infrastrukture za open-weight modele, pa drugim laboratorijima i agencijama daje provjeren predložak umjesto da grade vlastiti sustav od nule.

Na čemu gradi

Engineering Playbook nadovezuje se na Inspect AI, AISI-jev evaluacijski okvir koji je institut ranije otvorio. Kroz biblioteku Inspect Evals dostupno je preko 200 gotovih evaluacija, a repozitorij inspect_ai na GitHubu ima 240 kontributora. Za razliku od zatvorenih internih sustava pojedinih laboratorija, ovaj je stack javan i može ga preuzeti bilo koja organizacija koja testira modele.

Tko ga već koristi

Organizacija METR, poznata po mjerenju autonomnih sposobnosti modela, pokreće 228 zadataka na frontier modelima koristeći Inspect. Objava Playbooka snižava prag ulaska za nezavisno testiranje sigurnosti: umjesto skupe vlastite infrastrukture, istraživači dobivaju dokumentiran, reproducibilan i otvoren sustav. Materijal je dostupan na adresi engineering-playbook.aisi.org.uk.