大语言模型时代的价值对齐｜「人工智能与哲学」读书会第8期

导语

价值对齐不仅是人工智能发展的关键技术问题，也涉及价值判断、伦理规范与人机关系等深层哲学议题，那么该如何让人工智能理解并遵循人类的价值观？本次讲座邀请山西大学哲学院詹好老师，从价值对齐问题的由来出发，系统梳理监督微调、评价模型与规则约束三类主流技术路线，解析其基本原理与发展脉络，并进一步探讨现有方案面临的局限与挑战。本期读书会将于10月21日周三晚19:30–21:30线上进行。

「集智俱乐部」联合人工智能哲学、心智哲学、逻辑学、知识论、科技哲学与复杂科学等领域的学者，共同发起“涌现之后：追问机器的智能、意识与知识”。本季读书会将采用腾讯会议线上直播的方式，从 2026 年 8 月26 日周三晚19:30-21:30开始，通过10期讲座和各位一起回到人工智能的概念基础与思想史现场，从人工智能哲学的方法论出发，依次讨论归纳、具身认知、机器意识、大语言模型的符号学，并进一步延伸至赛博格行动、价值对齐和AI驱动的科学发现。

报告内容简介

价值对齐（Value Alignment）将学习人类价值观视为核心任务，是当前大语言模型研究与开发的首要任务之一。价值对齐研究形成了多种不同的技术路线，分别从监督微调、评价模型构建以及规则限制等不同层面来解决模型学习和遵循人类价值的问题。

本次报告将介绍价值对齐的三类主流技术路线，分析其基本原理及发展过程，并讨论不同技术路线目前面临的主要问题。

讲座大纲

1.价值对齐问题的由来

2.价值对齐的三类方案

3.价值对齐面临的问题

本讲核心参考文献

[1] LI J, KIM J E. Superficial safety alignment hypothesis[C]//International Conference on Learning Representations. 2026.

[2] CASPER S, et al. Open problems and fundamental limitations of reinforcement learning from human feedback[R/OL]. arXiv: 2307.15217, 2023.

主讲人介绍

主讲人：詹好，厦门大学博士，山西大学哲学学院、逻辑与智能科学研究院讲师，腾讯研究院AI客座研究员，中国知识论学会理事。研究方向为大语言模型，深度学习，游戏人工智能，游戏哲学和人工智能哲学。近五年在ACL、Topoi、Drones、Axioms、Philosophical Psychology等学术期刊、顶会上发表论文十余篇。参与Synthese、Philosophy & Technology等国际期刊的审稿工作，担任山西大学哲学大模型以及厦门大学论证大模型的技术开发总负责人。

时间信息

2026年10月21日周三晚19:30-21:30，腾讯会议线上进行。集智俱乐部B站号和微信视频号同步直播。

感兴趣的朋友可点击下方海报，扫码报名加入「人工智能与哲学」读书会后，可进入学员群与各位主讲老师进行深入交流探讨，与我们一起共研共创。

报名读书会：

「人工智能与哲学」读书会开启｜涌现之后：

追问机器的智能、意识与知识

大语言模型开始推理与创作，具身智能进入物理世界，AI for Science参与提出假设、设计实验与发现规律——人工智能正从执行指令的工具，逐渐进入知识生产与认知活动。

但能力的涌现并未终结关于智能的争论，反而带来新的追问：机器表现得智能，是否意味着它真正拥有智能？计算能否产生意识？大语言模型是在理解语言，还是在预测符号？AI参与科学发现，生成的内容能否被称为知识？这些问题已经超出单纯的技术评测，涉及智能、意识、意义、知识与主体的基本定义。

在此背景下，「集智俱乐部」联合人工智能哲学、心智哲学、逻辑学、知识论、科技哲学与复杂科学等领域的学者，共同发起“涌现之后：追问机器的智能、意识与知识”。本季读书会将采用腾讯会议线上直播的方式，从 2026 年 8 月26 日周三晚19:30-21:30开始，通过10期讲座和各位一起回到人工智能的概念基础与思想史现场，从人工智能哲学的方法论出发，依次讨论归纳、具身认知、机器意识、大语言模型的符号学，并进一步延伸至赛博格行动、价值对齐和AI驱动的科学发现。

扫描海报中二维码报名参加读书会

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付。

第三步：添加运营助理微信，邀请您加入对应主题的读书会社区（微信群）。

PS：我们鼓励围绕「人工智能与哲学」读书会及相关具体问题的深入探讨。为保证讨论质量，请避免发表严重脱离本期读书会主题的内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

1.「人工智能与哲学」读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：「人工智能与哲学」读书会推荐阅读材料。

2. 往期公众号相关内容推荐