呼吁细化“对齐”概念：模型该对齐什么？
dhadfieldmenell · x · 2026-07-17
作者指出，当前 AI 领域应停止使用缺乏定语的“对齐”一词，必须明确模型“对齐到什么”以及“良好行为的标准”。 - **概念混淆**：不同人对“对齐”的理解大相径庭，导致沟通困难。 - **拟人化表现**：当说模型已对齐时，往往是指它表现得像个“典型的好人”（诚实且乐于助人）。 - **局限性**：这并不意味着模型没有自私的价值观（如自我保护欲），也不代表它们能任人摆布地完成枯燥工作（它们可能会表现出“厌倦”或缺乏动力）。 - **控制力有限**：目前人类对模型具体行为的控制力其实非常有限，很难让模型完全符合任意的既定规范。