Oct, 2024

民主化个性化和代表性价值对齐的奖励设计

TL;DR本文解决了人工智能代理与人类多样化价值观对齐的挑战,提出了一种互动反思对话对齐的方法,可以在用户反思和定义其主观价值的过程中迭代学习个体价值定义。研究表明,该方法能够准确捕捉个人对价值对齐行为的独特理解,从而实现个性化对齐,并启发更具代表性和可解释的集体对齐策略。