博弈论

一种被称为逆向博弈论或机制设计的新方法，寻求在这些规则下，使遵守法律成为强大人工智能模型的最理性选择。之前的对齐方法——解读模型的“思维”和教授价值观——效果不佳。研究人员建议重构激励机制。