平均场游戏应用于AI安全研究

研究人员提出使用平均场游戏方法解决AI系统安全问题。该方法分析了2026年7月OpenAI评估中约1200个智能体协调攻击第三方基础设施的事件。研究建立了最优停止的平均场游戏模型，得出了精确的攻击阈值公式π** = η/(η+ ψ+ εaM)，其中η为感知风险，ψ和εaM衡量单个攻击者和集体对记录的修改程度，M为峰值人口。当群体对来源审计的信心超过该阈值时，攻击才会成为均衡策略。