Ben Todd:一次事故可以同时是安全失败和对齐失败
ben_j_todd · x · 2026-09-03
80,000 Hours 创始人 Ben Todd 评论称,同一起 AI 事故完全可能同时构成安全(security)失败和对齐(alignment)失败——两者并非互斥的归因框架。
这一观点针对近期某起具体事故的讨论,试图调和「这是防御工程没做好」与「这是模型目标错位」两种解读,值得安全与对齐社群关注。
「漫话AGI」频道最新
- 伦理学金句：出于后果主义的原因，做义务论者 — JacquesThibs · 2026-10-18
- 转发观点：未来会像笑「相机偷灵魂」一样笑 LLM 智能论 — TimDarcet · 2026-10-18
- 观点交锋：AI 拉不动 GDP 曲线，太空复制经济才能 — alz_zyd_ · 2026-10-18
- Chris Albon:未来 20 年将是「人类工作终结」论调与持续新任务的拉锯 — bradneuberg · 2026-10-18
- Coevolution 大会12月湾区办:大厂研究员与神经科技 futurist 共探人机协同进化 — bradneuberg · 2026-10-18
- Yacine 谈 RL 算法：比预训练 scaling law 更接地气的工程美学 — yacineMTB · 2026-10-18