Deconfusing Corrigibility

本文澄清了“可纠正性”（corrigibility）的核心概念，指出其本质是“对权威的尊重”，并提出一种新的目标设定方式以符合2015年的原始需求。该方法通过指定人类保留的权力来定义权威，使智能体优先避免逾越或干扰这些权力，其次再按委托方的最佳判断行事。这一框架强调了可纠正性的规范性特征，并具备形式化安全保证的潜力。