自我改进可判定性边界研究

2026年10月16日，arXiv Artificial Intelligence 刊出 Brian B. Moser 等作者的论文，研究 AI 智能体自动更新审核的理论边界。该研究将智能体建模为程序，用可能不可计算的语义分数定义“改进”，并证明：在完全通用设定下，不存在同时保证可靠性与非保守性的终止性审核或搜索程序——自指构造可令任何此类门控失效，有界误差的随机门控同样受限。论文随后指出一个实践中常用的可判定场景，即评估有界且提案预算有限，在此场景下穷举模拟可得到具备所需保证的终止搜索程序；但研究也给出该恢复方案的局限：被接受更新的链条仍可能每轮抬高有界分数，而真实分数下降。上述结论均出自该论文，为其理论主张。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。