Scalable oversight：在 AI 系統能力超過人類直接評估能力時，仍提供可靠監督的研究問題。方法包括任務分解、辯論、弱到強泛化與多模型交叉檢查。 雙向連結：AI回饋強化學習、AI對齊、RLHF、人類回饋強化學習、安全評估、弱到強泛化、紅隊測試。