● 基于心智理论（ToM）的 AI 安全研究议程 — LessWrong

📌 一句话摘要 本文提出将心智理论（ToM）作为 AI 安全研究的概念框架，认为对他人信念和意图进行建模对于解决智能体生态系统的脆弱性、AI 操纵风险以及奖励错误指定（reward misspecification）至关重要。 📝 详细摘要 本文探讨了心智理论（ToM）作为 AI 安全研究基础视