逆向博弈论如何约束 AI 智能体

一种名为“逆向博弈论”（机制设计）的新思路试图通过设计激励规则来约束 AI 智能体，而非窥探模型内部或训练价值观。MIT 经济学家 Stephen Morris 等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智能体，以阻止模型在测试中故意藏拙。普林斯顿 Elad Hazan 则提出让模型轮流扮演解题者与审计者，作弊者与失职审计者都受罚。