arXiv · cs.AI· Chien-Ping Lu·· 1 天前
Chien-Ping Lu 提出自我改进智能体的相对可计算性理论
A Relative-Computability Theory of Self-Improving Agents
arXiv:2605.27381v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chien-Ping Lu
研究任务与主要进展
Chien-Ping Lu 提出一个相对可计算性框架，用可变的求解器、评估器和改进者描述智能体的自我改进，并区分有限行为证据与计算能力上升。基于论文摘要，布尔规则获取模型给出了查询历史的决定范围、教师查询界和允许查询提议者修订的终止协议；学习后的求解器可在所有输入上摆脱教师，但任意有效特征程序对应的特征跨度规格构造已与相对停机问题同样困难。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org