联盟对齐扩展到长时程 MDP:Nash 均衡全部安全
Aaroth · x · 2026-09-15
Aaroth 说明其框架可处理长时程智能体:在效用依赖动作与状态、动作改变状态的 MDP 模型下同样得到刻画。利用性能差恒等式,将一次性锥形包刻画(基于 Q 值)提升到完整 MDP;即便驱动 agent 与审稿 agent 完全策略化、各自优化长期折扣收益,在同一非负跨度条件下,博弈的每个 Nash 均衡对 Principal 都是安全的(不劣于基线策略)。
所属事件:宾大团队提出「联盟对齐」：为auto-approve给出可证安全条件(10 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Mistral Large 4 短提示词从零写出量子化学 SCF 求解器并自建 3D 可视化 — MistralAI · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02