英文：Value Alignment 分类：alignment
让模型行为与人类价值观（诚实、乐于助人、无害、公平、尊重）保持一致的技术与目标，是安全 AI 的核心研究主题。
技术：RLHF（人类偏好强化）、宪法 AI（原则约束）、价值观微调（数据）、可解释监督；挑战：价值观多样性与冲突（不同文化）、具体化（抽象价值到具体行为）；评测：价值观场景测试（帮助/诚实/无害三角）。
用于助手模型对齐（ChatGPT 系）、企业 AI（企业价值观）、跨文化产品（本地化价值观）与政策研究；价值观对齐是"AI 向善"的技术路径。