跳到正文
arXiv · AI· Maud van Lier, Ludovica Marinucci, Vieri Giuliano Santucci, Raja Chatila, St\'ephane Doncieux, \'Emiland Garrab\'e, Richard Duro·· 2026-10-14AI 评分28

可接受的错位:一种面向开放学习自主机器人的新对齐方法论框架

Acceptable Misalignment

AI 导读

论文提出“可接受错位”概念,主张从最大化价值对齐转向确定错位事件在社会可接受范围内的条件。 该框架为旨在降低错位风险的对齐机制制定了规范性要求,指出完全对齐在理论和实践上均不可能。 此视角转变旨在应对现有对齐方法无法妥善处理剩余不可接受错位风险的问题。

来源:arXiv · AI · arxiv.org