一篇新发表在arXiv上的论文探讨了AI安全中不同期望特性之间固有的权衡,例如确保AI系统既无害又有用。该研究将AI交互形式化为一个涉及防御者、攻击者和AI本身的“三方博弈”,证明了在提供有用建议的同时维护公共安全之间存在根本性冲突。作者还研究了操纵共享信息以专门使防御者受益的方法,并讨论了设计更安全AI系统的相关影响。 AI
影响 强调了AI安全设计中的理论局限性,暗示了同时优化多种期望AI行为所面临的挑战。
排序理由 该集群包含一篇详细介绍AI安全理论结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- AI safety
- alphaXiv
- arXiv
- CatalyzeX
- computer science
- DagsHub
- game theory
- Gotit.pub
- harmlessness
- helpfulness
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →