AI控制研究会议
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
ControlConf是专注于AI控制方向的垂直学术会议，核心目标是研究AI对齐风险的降低方案，尤其关注AI模型试图突破安全防护场景下仍能生效的鲁棒干预技术。2026年会议由Redwood Research与FAR.AI联合主办，主题为「建立共同认知」，旨在汇聚全球AI安全领域的研究者与从业者，通过深度交流厘清领域未决问题，推动AI实验室及科研机构建立严谨的AI控制认知体系。
2026年ControlConf采用双轨模式：4月17日开设会前Control Workshop，面向AI控制领域新手，通过讲座、阅读小组、桌面练习等形式，帮助参与者快速搭建领域基础认知；4月18-19日为主会议，面向资深研究者与从业者，设置炉边谈话、分组讨论、主题演讲等环节，聚焦最新技术成果分享与跨机构协作。2026年拟邀嘉宾均为领域顶尖从业者，包括Redwood Research的Buck Shlegeris、Ryan Greenblatt、Aryan Bhatt，METR的Ajeya Cotra，Anthropic的Fabien Roger，CMU的Andrew Ilyas。同时官网公开了2025年会议的核心议题，包括分层监控、AI欺骗、白盒控制、低风险控制等。
会议采用申请审核制注册，参与者需提交申请，主办方会在2周内反馈审核结果。工作坊与主会议需分开申请，其中工作坊入选者可自动获得主会议参会资格。所有参会者均无需支付费用，是AI安全领域少有的纯公益学术会议。2026年会议举办地点为美国加州伯克利，具体场地信息仅向入选参会者开放。
作为垂直领域学术会议，ControlConf的优势十分突出：零参会成本降低了学术交流门槛，双轨设置覆盖了从新手到资深从业者的全阶段需求，主办方与嘉宾阵容的权威性也保证了交流内容的前沿性与专业性。但也存在明显局限：申请制意味着普通感兴趣用户可能无法获得参会资格，举办地点仅在美国伯克利，其他地区参与者需承担较高的差旅成本，且会议具体信息透明度有限。
该会议适合AI控制领域的新手研究者、AI对齐方向的资深从业者、AI实验室的技术人员以及科研机构相关方向的研究者参与。
经测试，ControlConf官网可直接在中国境内访问，无需使用代理工具，申请者可正常提交注册申请、查看会议信息。
本测评基于公开资料整理,不构成购买建议,请以 controlconf.org 官网实际信息为准。
伯克利AI control会议，关注AI失控风险降低。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。