Ji 等人於 2025 年發表的綜述，將 AI alignment 整理為前向對齊與後向對齊：前者研究如何透過訓練使系統符合意圖與價值，後者研究如何取得系統符合要求的證據並治理部署風險。作者以穩健性、可解釋性、可控性與倫理性（RICE）組織文獻，涵蓋偏好學習、RLHF、分布偏移、可擴展監督、安全評估與治理。這是全書建立技術地圖的主要入口，但綜述的分類本身仍是一種研究者選擇，不能當作全領域唯一的框架。
思與行
- 先用 RICE 作為閱讀索引，再檢查各原則之間是否存在衝突，例如透明度是否必然提升安全性。
- 對每種方法分別記錄「改善了哪一種證據」與「仍未證明什麼」，避免把基準測試進步寫成普遍安全保證。
參考
- 原始論文：AI Alignment: A Contemporary Survey，Ji et al., ACM Computing Surveys, 2025，CC BY。
- 延伸研究：代理式AI的價值對齊必須跨越模型代理與多代理層次、安全評估必須同時測量行為與內部機制。