“逆向博弈论”如何约束 AI 智能体

“逆向博弈论”（机制设计）试图通过设计激励规则来约束 AI 智能体行为，而非仅依赖内部对齐。MIT 学者提出让模型互相预测答案以遏制“藏拙”，普林斯顿学者则建议构建“解题者”与“审计者”的对抗机制。该思路假设 AI 会理性响应激励，但面临模型行为难以预测的挑战。