伯克利研讨会续篇：公众参与 AI 反馈为何成本高昂
beenwrekt · x · 2026-09-16
Jessica Dai 在 arg min 博客发布 UC Berkeley「AI 与公众反馈」微型会议的第二篇总结，聚焦公众参与过程中的种种负担。
她的出发点是两个命题：「公众」对 AI 体验有重要意见但决策者通常不听；而评估（evaluations）等聚合信息能影响重大决策——因此基于公众反馈的 AI 评估，是弥合 AI 开发者与所有人之间错位的可行路径。
本篇讨论参与者提供反馈时实际经历的成本：用经济学的话说，参与是「有代价的」，这正是人类受试者研究要付报酬的原因；而自选择参与带来的代表性问题仍是核心挑战。作者强调成本还会以经济指标难以量化的具体形式出现，且不止于最初决定参与的那一刻。
「漫话AGI」频道最新
- 普林斯顿 Hazan 撰文回顾在线凸优化二十年:从求职退路到AI核心 — HazanPrinceton · 2026-09-16
- 微软 AI 主管公开批 Anthropic：应从训练文档中删除 AI 意识相关表述 — pstAsiatech · 2026-09-16
- Axios:AI 尚未真正驱动药物研发落地 — polymute · 2026-09-16
- 剑桥学者播客谈 AI 危险:Anthropic 科学家称十年内灭绝风险超 10% — S_OhEigeartaigh · 2026-09-16
- 听罢 Gelsinger 播客,分析师称对 AI 基建浪潮「极度看多」 — BenBajarin · 2026-09-16
- NYT 起底递归自我改进创业潮：Jeff Clune 创办 Recursive Superintelligence — jeffclune · 2026-09-16