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其价值观。MIT 经济学家 Stephen Morris 等人的预印本论文提出让模型互相预测答案、相互竞争或配对偏差相反的模型，以阻止智能体在测试中“放水”；普林斯顿教授 Elad Hazan 则设想让模型轮流扮演解题者与审计者，作弊者与失职审计者均受罚。