迈向 AI 对齐中的价值理论

英文标题：Toward a Theory of Value in AI Alignment

论文探讨 AI 系统能否与人类价值观实现对齐这一核心问题。随着大语言模型（LLM）和多模态基础模型普及，有害输出、幻觉以及 AI Agent 未经授权执行操作等风险不断增加。作者试图从价值理论角度理解和推进 AI 对齐，为开发者和行业构建更安全、可控的 AI 系统提供理论参考。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB