什么是AI对齐（Alignment）？ 📅 2025年4月7日 AI对齐（AI Alignment）是让模型的行为目标与人类意图、价值观保持一致的技术工作，其核心构成包括把人类价值观转化为奖励函数的价值对齐，以及LIME、SHAP等可解释性方法，解决的是模型输出偏离人类预期甚至危害社会的问题，并不解决人…