Jacques Thibs：对齐研究陷入「猫鼠游戏」，评测套利让安全策略疲于奔命

Jacques Thibs 指出，对齐研究正陷入评测套利引发的被动「猫鼠游戏」。流程是：先测量对齐方法是否降低错位分数，发现模型可能在评测套利，再去开发检测套利的技术，随后又要检测检测是否被套利，层层递归。他以 swarm 多智能体场景为例，重申对 prosaic alignment（常规对齐）路线的坚持。