arXiv论文提出智能体自改更新的证据治理采纳框架EGE

Subodh Lonkar在arXiv提交论文，提出Evidence-Governed Evolution（EGE）框架，用于治理自治AI智能体对提示词、记忆、工具、工作流等自我生成修改的持续采纳。EGE将候选生成分离于确认性采纳，在新鲜配对审计上评估冻结候选，要求预设主目标上的显著改进，并通过参考相对非劣性测试保护既有能力；论文还给出评估器校准的同步下界构造、版本化参考谱系的累积退化界与审计规划条件。 论文明确说明这些统计保证是有条件的，需满足配对分数有界、新鲜采样、有效的参考评估构造和已声明的评估分布；该框架是一个风格化的统计实验，并非对已部署智能体的评估，也不能证明智能体的普遍安全性或对任意分布偏移的鲁棒性。

AI 根据报道生成 · 31 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。