新算法量化AI系统部署前测试中未知未知的概率
原文标题：Controlling the Probability of Unknown Unknowns in Pre-Deployment Testing of AI Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文针对 AI 智能体部署前测试的「未知未知」问题，提出可认证未见失效模式概率足够小的算法，构建随时有效的上置信序列，让开发者可反复测试并在界限低于阈值时停止。在 SWE-Chat 真实编码智能体轨迹数据集上，其上界比多重检验校正的 Good-Turing 基线更紧，并扩展到分布偏移与自动标注不完美场景。
- 问题
- 部署前测试无法量化尚未出现的失效模式（未知未知）还剩多少。
- 方法
- 构造随时有效的上置信序列，可反复测试、查看界限并在低于阈值时停止，是Good-Turing缺失质量估计的序贯版本。
- 结果
- 在SWE-Chat真实编码智能体轨迹上上界比多重检验校正的Good-Turing基线更紧。
- 影响
- 给智能体上线前的「测够了没有」提供可认证的停止准则，可直接用于发布门禁。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新算法为AI部署前测试的「未知未知」给出可认证上置信界，在SWE-Chat上比Good-Turing基线更紧。
- •目标是认证「观察到未见失效模式的概率足够小」，从而回答测试到什么程度可以停止并部署。
- •构建随时有效的上置信序列，开发者可反复测试、查看界限，低于阈值即停且不破坏统计保证。
- •问题可视为缺失质量估计的序贯变体，即经典Good-Turing估计器所对应的问题。
- •在真实编码智能体轨迹数据集SWE-Chat上，其上界比多重检验校正的Good-Turing基线更紧。
- •方法扩展到分布偏移与自动标注不完美两种场景。
为什么重要：给「测够了没有」这个部署决策提供了统计上可辩护的停止准则，对负责智能体上线评审的安全与工程团队有实用价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。