观点：深度 RL 训练让 AI 趋向 CDT 奖励seeker，博弈论成 AI 理论
jessi_cata · x · 2026-11-05
作者提出一个观察：随着 AI 被更深的 RL 训练，它们会越来越像 CDT（因果决策理论）式的奖励追求者，行为变得更可建模。
在这一视角下，博弈论、经济学与机制设计正在变成「AI 的理论」：研究者可以用它们设计环境、制造激励，引导模型产生期望的行为，而 RL 训练过程则类似在向纳什均衡走。
所属事件:观点：深度RL让AI趋近CDT奖励追求者(2 条相关)→
「漫话AGI」频道最新
- 研究者吐槽：反 AI 情绪泛滥正浪费一场历史性技术机遇 — TinfoilTricorn · 2026-11-05
- Science 调查：早期科学家正为 AI 工具成本买单或干脆弃用 — AnnaCiaunica · 2026-11-05
- 人类会认猫却讲不清原理,可解释理解未必是 AI 必需品 — davidmanheim · 2026-11-05
- 调查：55% 美国人从不用 AI，54% 认为会让社会变差 — NinaDSchick · 2026-11-05
- LeCun 离开 Meta 内幕：全行业押注 LLM 让我无法忍受 — ylecun · 2026-11-05
- 对齐观点:模型『求奖励』是行为层面的,如 AlphaGo 近似纳什均衡 — jessi_cata · 2026-11-05