英文：Scalable Oversight 分类：alignment
当 AI 能力超过人类监督能力时仍能保持对齐的监督方法体系：用 AI 辅助人类监督（AI 批评家）、过程监督、可验证任务（代码/数学自证），是超级智能安全的关键课题。
方法：辩论（AI 相互对抗）、递归奖励建模（小监督大）、过程监督（逐步核验）、工具验证（代码执行/数学证明）、沙盒实验；目标：让监督随能力扩展；挑战：监督者能力天花板与信息不对称。
用于前沿模型对齐（AGI 安全）、复杂任务监督（长程 Agent 审计）、奖励模型改进与安全研究；可扩展监督是"超级 AI 可控"的核心方案。