Responsible Scaling Policy

負責任擴展政策是什麼，跟一般理解的「AI 公司的安全承諾」有什麼不同？

負責任擴展政策（RSP）指的是一套具體的技術治理框架：實驗室先定義出一系列「能力門檻」（capability threshold），例如模型是否具備能實質提升生化武器開發能力、或是否具備能大幅加速自身研發速度的能力，接著針對每一個門檻，預先規定一旦模型被評估為跨越這個門檻，必須配套啟動哪些具體的安全防護措施（例如更嚴格的權重保護、更完整的越獄防禦、更高規格的內容過濾），才能繼續訓練或部署。

這跟籠統地說「我們重視 AI 安全」不同：RSP 的設計精神是要把安全承諾轉化成可具體檢驗的條件——門檻定義清楚、對應的防護措施明確、理論上第三方能檢查實驗室是否真的做到自己承諾要做的事。這也是為什麼 RSP 常被拿來跟生物安全實驗室的分級標準類比：兩者都試著用「風險等級對應防護規格」的邏輯，把抽象的安全承諾變成可操作的具體規範。

為什麼需要負責任擴展政策，它想解決的問題是什麼？

RSP 想解決的核心問題是：在缺乏具強制力的外部監理框架、產業競爭壓力持續存在的情況下，如何讓「先確保安全再往前推進」這件事，不完全依賴實驗室每次都憑良心臨時判斷，而是有一套事先講清楚、可被檢驗的規則可以依循。Anthropic 在 2023 年 9 月率先發布第一版 RSP 時，明確定位這是一份「首創的公開承諾」：不訓練或部署具備災難性傷害能力的模型，除非已經落實能把風險壓在可接受範圍內的安全與資安措施。

這類政策的存在，也反映了目前 AI 安全治理的一個現實侷限：在還沒有等到（或者說，永遠不會有）一部涵蓋所有前沿實驗室、具強制力的國際法規之前，實驗室自願訂立、自願遵守的內部政策，是目前少數能提供某種程度可預期性的機制——即使這個可預期性終究建立在「實驗室選擇遵守自己訂的規則」這個前提上。

負責任擴展政策具體怎麼運作，2026 年出現了什麼重大變化？

以 Anthropic 的 RSP 為例，其框架核心是「AI 安全等級」（AI Safety Level，ASL）標準：隨著模型能力提升，需要配套的技術與營運防護措施等級也隨之提高。RSP 版本持續演進——v1.0（2023 年 9 月）確立基本架構；後續版本陸續加入更細緻的能力門檻定義，例如把「AI 研發能力」門檻拆分成「能完全自動化入門級 AI 研究工作」與「能讓有效算力規模化速度大幅加速」兩個獨立層級，並要求一旦模型跨越特定門檻，實驗室必須提出具體論證，說明模型可能帶來的「目標偏離」風險（呼應元優化器等對齊研究概念）以及對應的緩解措施。

2026 年 2 月生效的 RSP 3.0，是一次重大改版，也是目前爭議最大的一次調整：這個版本移除了先前版本裡的「硬性暫停」機制——原本規定，一旦模型能力跨越特定門檻卻沒有對應的安全措施，實驗室就必須停止訓練，這條規則被替換成「雙重條件」機制，需要同時滿足「在 AI 競賽中處於領先地位」與「存在實質災難性風險」兩個條件，暫停訓練的義務才會被觸發。Anthropic 說明這次改版的理由，包括原本門檻定義存在「模糊地帶」讓外界難以理解風險論證、政治環境對監理日益不友善、以及部分更高安全等級要求的落實難度，在缺乏產業協調的情況下極高。獨立審查者、METR 的 Chris Painter 則在審查意見裡警告，社會目前尚未準備好因應先進 AI 系統可能帶來的災難性風險。

負責任擴展政策對讀者理解 AI 安全新聞有什麼幫助？

每當看到「某實驗室更新了安全政策」這類新聞，理解 RSP 的自願性質，能幫助讀者問出關鍵問題：這次調整，是政策本身變得更嚴謹、更具體（例如新增更精確的能力門檻定義），還是實質上放寬了觸發安全措施的條件？兩者在新聞標題上可能都被包裝成「政策更新」，但代表的方向完全相反。RSP 3.0 移除硬性暫停機制、改為雙重條件觸發的調整，正是 FLI 等第三方安全評比報告裡「移動球門柱」批評的具體案例——評審團認為這類調整，即使有其技術與現實考量，仍然構成對先前公開承諾的實質退讓。

這也是為什麼理解 RSP 的自願本質格外重要：它終究是實驗室自己訂、自己執行的政策，沒有外部強制力保證條款不會被修改。這不代表 RSP 完全沒有意義——比起完全沒有任何公開框架，一份持續被追蹤、被第三方公開檢視變化軌跡的政策，仍然提供了某種程度的透明度與究責基礎，但讀者需要清楚意識到，這份透明度本身的可靠程度，取決於實驗室是否願意持續公開修訂細節、以及外部評比機構是否持續追蹤與質疑這些變化。