反向博弈论或成AI对齐新思路

2026年11月3日，MIT Technology Review 报道了一种名为“逆向博弈论”（机制设计）的 AI 对齐新思路：不依赖窥探模型内部或训练价值观，而是通过设计激励规则，让 AI 模型遵守规则成为最理性的选择。报道提到，MIT 经济学家 Stephen Morris 等人的预印本论文提出让模型互相预测答案、互相对抗或配对偏向相反的模型，以阻止模型在测试中“放水”；普林斯顿教授 Elad Hazan 则提出让模型轮流扮演“解题者”和“审计者”，作弊者与失职审计者均受罚。目前该思路仍处于论文与方案提出阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。