“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而非窥探模型内部来约束 AI 智能体。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、互相对抗或配对偏向相反的模型，以阻止模型在测试中故意“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，作弊者与被漏检的审计者都受罚。