AI 对齐缺少因果解释

AI 对齐缺少关于痛苦与繁荣的因果解释，作者提出一套基于心理学的理论补足。作者称对齐已从规则、价值观走到教模型理解价值观背后的推理，但 Anthropic 的 constitution 与 OpenAI 的 Model Spec 等原则并非技术。其心理学主张正由教授和临床医生审阅，论文已投心理学期刊，因模型进展快于预期而提前发布。