新论文探讨通过训练让AI内置风险厌恶倾向

2026年10月2日，AGI Hunt 报道称，Arav Dhoot 转发的一篇新论文探讨能否通过训练把风险厌恶倾向内置到模型中，以此换取与未对齐 AI 的合作。报道指出，这一设想源自 Thornley 与 MacAskill 此前提出的付费合作方案，其前提是对方 AI 属于风险厌恶型；风险追求或风险中性的 AI 很难谈判。目前可确认的进展仅为该论文被转发与讨论，报道未披露论文的具体实验设计、结果或结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。