Este artículo presenta "Mapas de Políticas", un enfoque novedoso para diseñar políticas eficazmente en el vasto espacio de comportamiento de los modelos de lenguaje a gran escala (LLM). Inspirado en la cartografía física, este método facilita una exploración eficaz mediante decisiones de diseño deliberadas sobre qué aspectos capturar y cuáles abstraer, en lugar de intentar abarcar todos los comportamientos. El "Proyector de Políticas", una herramienta interactiva, permite a los usuarios explorar el panorama de pares de entrada-salida de LLM, definir regiones definidas por el usuario (p. ej., "violencia") y explorar estas regiones mediante reglas de política condicionales que pueden aplicarse a las salidas de LLM (p. ej., si la salida contiene "violencia" y "detalles gráficos", reescribir sin "detalles gráficos"). Admite capacidades de clasificación y dirección de LLM, así como visualizaciones de mapas que reflejan el trabajo de profesionales de IA. Las evaluaciones con 12 expertos en seguridad de IA demuestran su eficacia en la elaboración de políticas para comportamientos problemáticos de los modelos, como suposiciones incorrectas sobre el género, y en la gestión de amenazas inmediatas a la seguridad física.
