AI对齐

AI对齐（AI Alignment）是人工智能安全领域的核心研究方向，旨在确保AI系统的目标、行为和决策与人类的价值观、意图及利益保持一致。其研究内容涵盖价值学习、奖励函数设计、可解释性、鲁棒性等方面，重点解决AI系统在复杂环境中可能产生的目标偏移、不可控行为或有害输出等问题，是构建安全可信AI系统的重要理论与工程基础。