专业中文内容：
《面向对齐与可解释性的情感趋避假设》
AI对齐研究的目标是开发确保智能体始终按照与其人类操作者的目标和价值观一致（即行为始终保持一致性）的方式行事的方法。本文提出了一种情感主义方法来解决对齐问题，将目标与价值观的概念重构为情感趋避形式。借助进化发展神经科学与计算神经科学的最新研究成果，我们解释了情感效价的涌现机制。论文首先综述了当前最先进的研究进展，继而基于此构建了一个基于趋避导航的情感计算模型。作者通过可操作模型生物的相关实验证据，验证了该计算模型对生物趋避导航机制的部分反映能力。最后，我们探讨了情感趋避在AI对齐研究中的关键作用。
科技领域高频短语：
1. affective taxis（情感趋避）：生物学概念，指生物体基于先天倾向向特定刺激迁移的行为模式。在本文中用于构建AI行为决策框架。
2. evolutionary-developmental neuroscience（进化发展神经科学）：研究大脑和行为在物种演化过程中及个体发育阶段的动态形成机制，为AI系统引入生物启发机制提供理论基础。
3. computational model of affect（情感计算模型）：通过数学和计算机算法表征、模拟和预测情感状态与行为决策的交互关系，在AI系统中实现可解释的情感表征。
创建标签：
#AffectiveTaxisFramework #EmotionalValenceModeling