用风险分类下的幂律关系,衡量模型扩展时维持固定安全目标所需的对齐负担。
推荐理由:核心贡献是把笼统的“对齐难度”拆成各风险类别的可测幂律,并区分观测、审计与真实负担,为判断能力扩展能否摊薄安全成本建立可证伪框架。
阅读原文