构建忠诚 AI 的研究议程大纲

LessWrong 文章提出通过开发“忠诚 AI”推进对齐的研究路线图，主张忠诚比通用对齐更易构建且能降低失控风险。 研究分为主线（衡量与增强忠诚以对抗失控）与次线（探索治理结构以减少权力集中风险），并需构建相应评估基准与训练技术。 作者强调该研究具有双重用途，必须负责任地推进，若核心假设被证伪则应放弃此方向。