★ 2
基础模型智能体在提案条件下的认证理论
论文研究基础模型智能体的认证问题：运行时往往只能在模型输出语义提案后进行干预，提案既是动作候选也是决策时观测。作者证明将这一结构坍缩为仅状态提案包络会保留提案覆盖率却破坏可认证性，并给出坍缩无损的充要条件。模型在环测试验证了移除遥测或限制干预权限时出现的预测性障碍。
arXiv cs.AI34 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究基础模型智能体的认证问题：运行时往往只能在模型输出语义提案后进行干预，提案既是动作候选也是决策时观测。作者证明将这一结构坍缩为仅状态提案包络会保留提案覆盖率却破坏可认证性，并给出坍缩无损的充要条件。模型在环测试验证了移除遥测或限制干预权限时出现的预测性障碍。
论文提出部署一致的认证框架，通过部署聚合规则传播本地后验事件，为一次性联邦贝叶斯学习提供安全概率下界，并对 FedAvg 给出精确几何刻画。每个客户端构建不相交超矩形区域并计算概率质量，服务器形成笛卡尔积并仅保留满足安全属性的乘积事件。实验显示传输式 FedAvg 证书为 22.51%-46.89…