论文提出可接受错位概念与对齐机制框架

Maud van Lier 等在 arXiv 论文《Acceptable Misalignment》中论证，自主机器人开放学习中的价值完全对齐在理论和实践上都不可实现，失准事故会持续发生，因此以最大化对齐为目标的思路无法处理对齐方法实施后残余风险仍不可接受的问题。 作者据此提出“可接受的失准”概念，即为把失准事故降到可接受水平而设定对齐机制的规范性要求，并给出一个由满足这些要求的对齐机制构成的方法学框架。这是论文提出的论证与框架，属理论主张。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。