SIGMA：从模型规范实现自我改进的对齐泛化

SIGMA 提出从模型规范（Model Spec）出发实现对齐的自我改进与泛化，以缓解对齐难以验证、能力提升快于安全对齐的风险。现有方法依赖可验证反馈做能力自提升，或依赖更强模型与人工整理数据做对齐训练，形成外部监督瓶颈。