原則衝突

深度分析

詮釋學觀點下 AI 對齊：原則解讀與部署行為的實證分析

AI 對齊常被視為遵循人類設定原則，但實務上原則本身難以自行落實。研究指出，當原則衝突或資訊不足時，需要情境判斷；實驗顯示大量標註資料屬於此類情形，且部署時的回應分佈才是對齊的關鍵指標。