#L6

能力越强的 AI，对齐越关键。这一篇讲清楚"对齐"到底是什么，为什么它是 AI 时代最重要的研究方向之一。

OpenAI 用 RLHF，Anthropic 用 CAI。它们都让 LLM "听话"，但思路完全不同。

AI 安全的"反派"视角——专门找模型漏洞的人在做什么。理解攻击才能防御。

LLM 是黑盒——但研究者已经能从几百亿参数里"读出"具体的概念了。这一篇带你认识 AI 内部的"心理学"研究。

训练数据是人类社会的镜像——AI 学到的"模式"包含了所有偏见、刻板印象、不公平。这一篇直面这个问题。

AI 公司和应用面临的法律义务正在快速演化。这一篇给你全球三大法域的对照表 + 影响。

想做 AI 安全研究？这一篇讲方向、机构、起步项目、推荐阅读——这是 2026 年最稀缺的人才方向之一。

Anthropic 2025 实证：Claude 3.7 与 DeepSeek R1 的思维链只有 25-39% 的时候诚实——CoT 监控不能完全代替 alignment。