从 muP 到 Bengio 的概率神谕：理论先行的 AI 安全方法设计

理论先行的 AI 安全方法设计可先由理论确定方法形态，再以实验验证，muP 与 Bengio 的 Bayesian Oracle 均体现这一路径。muP 源于 Tensor Programs 的理论工作，如今用于 LLM 超参数迁移；Bayesian Oracle 则以非智能体贝叶斯神谕监控不可信 agent，在运行时评估违反安全规范的概率上下界，但后续仍需规模化与复杂化验证。