AITP
精选全部 AI 动态AI 日报Agent 接入我的简报我的追踪阅读偏好内容方法关于更新日志信源提报反馈
外观
登录 / 注册
AITOP

多元对齐

共 2 条相关 AI 资讯
8月5日
11:29
11:29官方账号arXiv cs.AI@Matt Ratto, Abhishek Moturu, Daniel Silver
arXiv预印本2608.03910提出,AI对齐不能只优化单一价值,需处理多元合法视角。论文指出现有方法缺乏对价值社会组织、争论和协调三个过程的清晰解释。作者借用社会学传统,给出三种设计方向:基于角色的表示、视角间结构化协调、上下文敏感评估。对智能体系统,需对齐角色激活、审议轨迹、聚合规则和反馈回路四个环节。
论文智能体AI安全多元对齐

推荐理由:这篇论文把社会学搬进AI对齐,让智能体学会协调不同人的看法,而不是只追求主流答案。
原文
6月29日
10:09
10:09官方账号arXiv cs.AI@Young Yoon, Jimin Kim, Soyeon Park
该论文提出一种在完全委托的AI合作组织中分配奖励的框架,人类由代理表示,这些代理在异构价值约束下贡献数据并参与模型更新。核心思想是仅对通过每个委托人价值档案筛选的更新给予信用。框架包含价值条件梯度过滤、在线边际贡献信号以及基于遍历学习(TL)的累积收入结算。与FedAvg风格的联邦学习相比,TL通过保留显式遍历和梯度路径提供了更精细的归属基础。该工作对比了数据估值、联邦贡献估计、个性化联邦学习和多元对齐等领域。
论文value-constrained credit assignmenttraversal learning联邦学习

推荐理由:这篇论文提出了一个在AI合作组织中公平分配奖励的框架,用遍历学习替代传统联邦学习,更精细地追踪每个数据贡献者的价值。
原文
精选全部日报登录