计算机科学 > 人工智能
[提交于 2025年4月6日
]
标题: 桶中智能体:代理沙盒化与可解释性高效世界建模的基本限制
标题: AI in a vat: Fundamental limits of efficient world modelling for agent sandboxing and interpretability
摘要: 近期的研究提出利用世界模型生成可控的虚拟环境,在将人工智能代理部署之前对其进行测试,以确保其可靠性和安全性。然而,准确的世界模型通常具有较高的计算需求,这可能会严重限制此类评估的范围和深度。受到经典的“缸中之脑”思想实验的启发,我们在此研究简化世界模型的方法,这些方法对正在评估的人工智能代理保持无偏性。通过遵循计算力学的原则,我们的方法揭示了世界模型构建过程中效率与可解释性之间的基本权衡,表明没有任何单一的世界模型能够优化所有期望的特性。基于这一权衡,我们确定了构建世界模型的程序,这些模型要么最小化内存需求,要么划定可学习内容的边界,或者允许追踪不良结果的原因。通过这样做,这项工作确立了世界建模的基本限制,并提出了指导有效代理评估的核心设计选择的可行指南。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.