在离线模拟学习（ IL ）中提供强大的安全保障的同时确保高回报是一项根本性的挑战：现有方法要么依赖于明确指定的成本函数，这些成本函数很难针对复杂的现实世界安全约束进行设计，要么需要安全且高性能的专家演示，这些演示通常收集成本太高。我们引入了双重

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2611.09433v1)获取最准确的信息。

---
🔗 **原文链接**: [DexDICE: Reconciling Safety and Performance via Dual-Expert ](https://arxiv.org/abs/2611.09433v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Seokin Seo, Sung Kuk Shyn, Minji Seo, Yisoo Lee, Jongmin Lee, Hongseok Yang, Kee-Eung Kim

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
AI安全不是遥远的哲学问题，正在变成每个AI开发者都要面对的工程实践。
这篇文章不贩卖焦虑，讲的东西很实在。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-09 13:02