Agentic AI 的验证与自我改进：基础与局限

一篇 arXiv 论文用有界验证框架区分了 Agentic AI 性能提升的不同机制：搜索更久、获得额外支持，还是改变提出与验证输出的方式。论文证明独立多数放大可保持语言类不变，而随机磁带上的存在性接受可能引入错误输出，并给出随机验证类满足 Σ_k^P ⊆ Σ_k^RV ⊆ Σ_{k+1}^P 的包含关系。在公共可靠解释器和固定验证协议下，均匀有界的自我修改仍停留在同一验证类内。