Alignment Journal 匿名评审新论文：把授权委托给失准智能体

Alignment Journal 公开匿名作者在审论文《把授权委托给失准智能体》，并开放有报酬的社区自荐审稿。论文给出期望意义上主委托方不劣于基线策略的充要条件，并证明折扣 MDP 中奖励函数空间全覆盖可使一致批准规则下的所有纳什均衡安全；实验显示，容忍部分否决且无单一对齐审查者时，集体审查仍可保持安全。