逆向博弈论如何约束 AI 智能体

一种名为“逆向博弈论”（机制设计）的新思路试图通过设计激励机制让 AI 智能体守规矩，而非窥探模型内部或训练其价值观。MIT 经济学家 Stephen Morris 等人的预印本论文提出让模型互相预测答案、互相对抗或配对偏向相反的模型，以阻止其在测试中故意藏拙。普林斯顿的 Elad Hazan 则提出让模型轮流扮演解题者与审计者，并对失职审计者施罚。