论文提出"可接受失准"对齐新框架

一篇 arXiv 论文提出"可接受失准"（acceptable misalignment）概念，主张价值对齐的思路应从最大化对齐转向界定失准事件可被接受的条件。作者 Maud van Lier 等人称，完全对齐在理论和实践上都不可能，失准事件将持续发生。 论文进一步提出针对对齐机制的规范要求，并给出一个由可满足这些要求的对齐机制组成的方法论框架，目标是把失准事件控制在可接受水平。上述主张来自论文作者，尚未见实证效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。