Irving:理论计算机科学界的「障碍文化」为对齐研究带来希望
geoffreyirving · x · 2026-08-25
Geoffrey Irving 对理论计算机科学家加入 AI 对齐领域表示乐观。他指出,该领域拥有丰富的「障碍文化」,即大量定理形式化地证明了特定算法或证明路径是不可行的,这种思维方式有助于探索对齐难题的边界。
所属事件:Irving：对齐研究需要理论计算机科学的障碍文化(3 条相关)→
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16